تحلیل جامع جایزه نوبل شیمی ۲۰۲۴؛ حل معمای نیم‌قرنی تاشدگی پروتئین با AlphaFold و عصر نوین مهندسی حیات توسط دیوید بیکر و دیپ‌مایند

لحظه تاریخی در استکهلم؛ پیوند نهایی فیزیک محاسباتی، هوش مصنوعی و زیست‌شناسی مولکولی

اعلام برندگان جایزه نوبل شیمی در اکتبر ۲۰۲۴ به عنوان یکی از تاریخی‌ترین تصمیمات آکادمی سلطنتی علوم سوئد در تاریخ معاصر ثبت شد. برای نخستین بار در تاریخ، پیشگامان آزمایشگاه‌های پیشرفته هوش مصنوعی در کنار بیوشیمی‌دانان ساختاری بر بام دنیای شیمی ایستادند. دیوید بیکر (David Baker) از دانشگاه واشنگتن نیمی از این جایزه معتبر را برای توسعه متدهای طراحی کامپیوتری پروتئین‌های سنتتیک به دست آورد، در حالی که نیمه دیگر به دمیس هاسابیس (Demis Hassabis) و جان جامپر (John Jumper) از شرکت Google DeepMind برای خلق شبکه عصبی تحول‌آفرین AlphaFold اختصاص یافت.

این افتخار بزرگ علمی اثبات کرد که هوش مصنوعی دیگر یک ابزار جانبی یا کمکی نیست، بلکه موتور محرکه بنیادین دگرگونی در مرزهای علوم تجربی به شمار می‌رود. همان‌گونه که در طراحی پروتئین‌های مصنوعی و کشف داروی هوش مصنوعی تحلیل شده بود، توانمندی حل معادلات دینامیک فضایی ماکرومولکول‌ها در چند دقیقه، افق‌های تازه‌ای در کشف واکسن‌ها، آنزیم‌های تجزیه‌کننده پلاستیک و دارورسانی هدفمند پیش روی تمدن بشری گشوده است.

معمای ۵۰ ساله کریستین آنفینسن؛ پارادوکس لوینتال و چالش محاسبه تاشدگی پروتئین

در سال ۱۹۷۲، کریستین آنفینسن (Christian Anfinsen) هنگام دریافت نوبل شیمی فرضیه‌ای مطرح کرد: اطلاعات لازم برای تاخوردن پروتئین به ساختار نهایی و پایدار سه‌بعدی، منحصراً در توالی یک‌بعدی اسیدهای آمینه آن کدگذاری شده است. با این حال، ترجمه این کدهای خطی به شکل هندسی فضایی نیازمند محاسباتی فوق‌العاده سنگین بود.

بر اساس «پارادوکس لوینتال» (Levinthal's paradox)، اگر یک پروتئین کوچک ۱۰۰ اسید آمینه‌ای تمام صورت‌بندی‌های فضایی را با آزمون و خطای تصادفی بیازماید تا به حداقل سطح انرژی برسد، زمانی فراتر از عمر کائنات نیاز است. تا پیش از هوش مصنوعی، دانشمندان سال‌ها وقت و صدها هزار دلار را در آزمایشگاه‌های بلورنگاری پرتو ایکس (X-ray) یا میکروسکوپ الکترونی کرایو (Cryo-EM) صرف کشف ساختار یک پروتئین می‌کردند.

انقلاب AlphaFold 2؛ کالبدشکافی معماری Evoformer و ماژول سه‌بعدی هوشمند دیپ‌مایند

در رقابت بین‌المللی ارزیابی پیش‌بینی ساختار پروتئین (CASP14) در سال ۲۰۲۰، جهان علم شاهد شگفتی خیره‌کننده‌ای بود: شبکه عصبی AlphaFold 2 توانست با دقت اتمی و خطای کمتر از ۱ آنگستروم (در حد ابعاد پیوندهای کووالانسی)، ساختار پروتئین‌های هدف را بازسازی نماید؛ دستاوردی که داوران مسابقه آن را «حل رسمی مسئله ۵۰ ساله تاشدگی پروتئین» نامیدند.

راز نبوغ آلفافولد در ادغام اطلاعات هم‌تکاملی فیلوژنتیک با اصول فیزیک فضایی نهفته است. معماری Evoformer با تبادل مداوم داده‌ها میان ماتریس هم‌ترازی چندگانه توالی‌ها (MSA) و ماتریس فواصل جفت‌باقی‌مانده‌ها (Pair Representation)، وابستگی‌های دوربرد میان اسیدهای آمینه را در یک فرآیند تکرارشونده استخراج می‌کند. سپس «ماژول ساختار» (Structure Module) با استفاده از ترنسفورمرهای ناوردای اقلیدسی (SE(3)-equivariant)، بردارها و زوایای پیچشی ستون فقرات و زنجیره‌های جانبی پروتئین را مستقیماً در فضای سه‌بعدی به تعادل می‌رساند.

پایگاه داده آلفافولد؛ نگاشت ۲۰۰ میلیون پروتئین و دموکراتیزه شدن علوم زیستی

یکی از مهم‌ترین دلایل تحسین جهانی دمیس هاسابیس و تیم دیپ‌مایند توسط کمیته نوبل، پایبندی آن‌ها به علم باز و در دسترس قرار دادن عمومی این دستاورد بود. گوگل دیپ‌مایند با همکاری آزمایشگاه زیست‌شناسی مولکولی اروپا (EMBL-EBI)، پایگاه داده AlphaFold DB را راه‌اندازی کرد و ساختار سه‌بعدی بیش از ۲۰۰ میلیون پروتئین—تقریباً تمام پروتئین‌های شناخته‌شده در تمامی موجودات زنده کره زمین—را به رایگان در دسترس پژوهشگران سراسر جهان قرار داد.

این شاهکار اطلاعاتی، پژوهش‌هایی را که دهه‌ها معطل داده‌های ساختاری بودند، تنها ظرف چند ساعت به پیش راند. از درک مکانیسم‌های نفوذ ویروس‌ها و سویه‌های ناشناخته باکتری‌ها گرفته تا پیوند این ساختارها با دستاوردهایی نظیر ویرایش دقیق ژنوم با هوش مصنوعی، جامعه علمی ابزاری بی‌بدیل برای تسریع پیشرفت‌های بیومدیکال در دست دارد.

سوی دیگر نوبل شیمی: دیوید بیکر و معماری دی‌نوو با نرم‌افزار افسانه‌ای Rosetta

در حالی که هاسابیس و جامپر مسئله «خواندن ساختار طبیعت» را حل کردند، دیوید بیکر در دانشگاه واشنگتن مسئله حتی جسورانه‌تری را هدف قرار داد: «نوشتن ساختارهایی که هرگز در طبیعت وجود نداشته‌اند». بیکر با بنیان‌گذاری آزمایشگاه Rosetta در اواخر دهه ۱۹۹۰، الگوریتم‌های محاسباتی نوینی برای طراحی پروتئین‌های دی‌نوو (De Novo) بر پایه بهینه‌سازی سطوح انرژی و چیدمان فضایی باقی‌مانده‌ها بنا نهاد.

بیکر در سال ۲۰۰۳ با ساخت پروتئین Top7 اثبات کرد که می‌توان پروتئینی کاملاً جدید با چینشی بدیع خلق کرد که هیچ الگویی از آن در فرآیند ۴ میلیارد ساله تکامل طبیعی حیات ثبت نشده است. این رویکرد محاسباتی پایه و اساس نسل نوینی از نانوموتورها و حامل‌های درمانی را پدید آورد که امروزه در صنایعی چون ربات‌های میکروسکوپی DNA؛ دارورسانی دقیق به مغز برای درمان تومورها مورد استفاده قرار می‌گیرند.

عصر نوین RFdiffusion؛ مدل‌های نفوذی زایشی و زایش پروتئین‌های درمانی سفارشی

در سال‌های اخیر، آزمایشگاه دیوید بیکر متدهای سنتی جستجوی مونت‌کارلو را با پیشرفته‌ترین مدل‌های نفوذی زایشی تلفیق کرد و پلتفرم انقلابی RFdiffusion را عرضه نمود. این مدل درست مانند سیستم‌های تصویرساز هوش مصنوعی نظیر DALL-E و Midjourney، اما بر روی مختصات اتمی و ستون فقرات پلی‌پپتیدی عمل می‌کند؛ یعنی از یک توزیع نوفه تصادفی ساختار اولیه را آغاز کرده و گام به گام آن را به یک داربست پروتئینی با میل ترکیبی فوق‌العاده بالا به گیرنده‌های هدف تبدیل می‌نماید.

پروتئین‌های طراحی‌شده با RFdiffusion اکنون به عنوان واکسن‌های نسل جدید علیه ویروس کرونا، تله‌های مولکولی برای خنثی‌سازی سموم کشنده و کاتالیزورهای سنتتیک برای تجزیه آلاینده‌های زیست‌محیطی در مراحل آزمایش‌های بالینی و صنعتی قرار دارند؛ پدیده‌ای که مرزهای شیمی ترکیبی را برای همیشه درنوردیده است.

جدول مقایسه جامع فنی: روش‌های کلاسیک بیولوژی ساختاری در برابر AlphaFold و طراحی دی‌نوو

در جدول زیر، مقایسه‌ای جامع از شاخص‌های دقت، هزینه زمانی، توانمندی‌ها و محدودیت‌های روش‌های تجربی سنتی، سیستم پیش‌بینی آلفافولد و پلتفرم طراحی محاسباتی بیکر ارائه شده است:

افق‌های پیش رو؛ پیوند زیست‌شناسی محاسباتی با کشف دارو و علم مواد کوانتومی

جایزه نوبل شیمی ۲۰۲۴ آغازی است بر دوران طلایی طراحی منطقی دارو و نانوبیوتکنولوژی. ترکیب پیش‌بینی ساختار آلفافولد با الگوریتم‌های زایشی بیکر این امکان را فراهم ساخته تا داروسازان داربست‌های پروتئینی را به صورت اختصاصی برای مهار پروتئین‌های بیماری‌زای غیرقابل‌درمان طراحی کنند.

علاوه بر پزشکی، این الگوریتم‌ها به حوزه علم مواد نیز نفوذ کرده‌اند. همان‌طور که در کشف بلورهای نوین و مواد ابررسانا با هوش مصنوعی مولد بررسی شد، متدهای یادگیری عمیق در حال طراحی آنزیم‌های تجزیه‌کننده میکروپلاستیک، تثبیت دی‌اکسید کربن و کاتالیزورهای زیستی سوخت هیدروژنی هستند.

نتیجه‌گیری تحریریه ماگ بیت؛ هوش مصنوعی به عنوان زبان مشترک طبیعت و محاسبات

اعطای جوایز نوبل ۲۰۲۴ به پیشگامان یادگیری ماشین پیامی روشن دارد: هوش مصنوعی اکنون زبان رمزآلود طبیعت را رمزگشایی می‌کند. دمیس هاسابیس، جان جامپر و دیوید بیکر با نبوغ خود، فاصله میان نرم‌افزار و سخت‌افزار سلولی را از میان برداشتند.

تحریریه ماگ بیت مفتخر است که این جهش دانش بشری را مستندسازی کرده و تحولات آن را در کانون تحلیل‌های خود قرار می‌دهد؛ چرا که آینده زیست‌پزشکی، درمان بیماری‌های صعب‌العلاج و فرداسازی سیاره ما در تار و پود همین ساختارهای شگفت‌انگیز زیستی رقم می‌خورد.