โค้ดที่อยู่เบื้องหลังเครื่องมือสำหรับสร้างแบบจำลองโครงสร้างโปรตีน ซึ่งเคยได้รับรางวัลโนเบล ตอนนี้สามารถดาวน์โหลดได้สำหรับนักวิชาการ
The code underlying the Nobel-prize-winning tool for modelling protein structures can now be downloaded by academics.
เครื่องมือ Gen AI ทำนายโครงสร้างโปรตีน AlphaFold3 เปิดให้ใช้งานแบบโอเพนซอร์สแล้ว
AlphaFold3 เปิดให้ใช้งานในที่สุด หลังจากผ่านไปหกเดือนที่ Google DeepMind ตัดสินใจไม่เปิดเผยโค้ดจากบทความที่อธิบายโมเดลทำนายโครงสร้างโปรตีน ตอนนี้นักวิทยาศาสตร์สามารถดาวน์โหลดโค้ดซอฟต์แวร์และใช้เครื่องมือปัญญาประดิษฐ์ (AI) นี้เพื่อการใช้งานที่ไม่ใช่เชิงพาณิชย์ได้ โดยบริษัทในลอนดอนได้ประกาศเมื่อวันที่ 11 พฤศจิกายน
“พวกเรารู้สึกตื่นเต้นที่จะได้เห็นว่าผู้คนจะนำสิ่งนี้ไปทำอะไรบ้าง” John Jumper หัวหน้าทีม AlphaFold ของ DeepMind กล่าว โดยเมื่อเดือนที่แล้ว เขาและ Demis Hassabis CEO ของบริษัท ได้รับรางวัลโนเบลสาขาเคมีประจำปี 2024 จากผลงานในเครื่องมือ AI นี้
AlphaFold3 ต่างจากรุ่นก่อน ๆ ตรงที่สามารถสร้างแบบจำลองโปรตีนร่วมกับโมเลกุลอื่น ๆ ได้ แต่แทนที่จะปล่อยโค้ดเบื้องหลังทั้งหมดเหมือนกับ AlphaFold2 ทาง DeepMind ให้เข้าถึงผ่านเว็บเซิร์ฟเวอร์ที่จำกัดจำนวนและประเภทการทำนายที่นักวิทยาศาสตร์สามารถทำได้
จุดสำคัญคือเซิร์ฟเวอร์ของ AlphaFold3 ป้องกันไม่ให้นักวิทยาศาสตร์ทำนายการทำงานของโปรตีนเมื่ออยู่ร่วมกับยาที่อาจจะใช้ได้ แต่ตอนนี้การตัดสินใจของ DeepMind ที่เปิดเผยโค้ดหมายความว่านักวิทยาศาสตร์เชิงวิชาการสามารถทำนายปฏิสัมพันธ์เหล่านั้นได้โดยการรันโมเดลด้วยตนเอง
ทางบริษัทกล่าวในตอนแรกว่าการทำให้ AlphaFold3 สามารถใช้งานได้เฉพาะผ่านเว็บเซิร์ฟเวอร์เป็นการหาสมดุลที่เหมาะสมระหว่างการให้เข้าถึงเพื่อการวิจัยและการปกป้องเป้าหมายเชิงพาณิชย์ Isomorphic Labs ซึ่งเป็นบริษัทสปินออฟของ DeepMind ในลอนดอน กำลังใช้ AlphaFold3 ในการค้นคว้ายา
แต่การเผยแพร่ AlphaFold3 โดยไม่มีโค้ดหรือค่าโมเดล ซึ่งเป็นพารามิเตอร์ที่ได้รับจากการฝึกซอฟต์แวร์ด้วยข้อมูลโครงสร้างโปรตีนและข้อมูลอื่น ๆ นั้นได้รับคำวิจารณ์จากนักวิทยาศาสตร์ที่กล่าวว่าการกระทำนี้บั่นทอนความสามารถในการทำซ้ำของงานวิจัย DeepMind จึงกลับลำอย่างรวดเร็วและกล่าวว่าจะทำให้มีเวอร์ชันโอเพนซอร์สของเครื่องมือภายในครึ่งปี
ตอนนี้ทุกคนสามารถดาวน์โหลดโค้ดซอฟต์แวร์ของ AlphaFold3 และใช้งานได้ในเชิงวิชาการ แต่ในขณะนี้มีเพียงนักวิทยาศาสตร์ที่มีความเกี่ยวข้องกับสถาบันวิชาการเท่านั้นที่สามารถขอเข้าถึงค่าน้ำหนักที่ใช้ในการฝึกโมเดลได้
เวอร์ชันที่เข้าถึงได้
DeepMind กำลังเผชิญกับการแข่งขัน: ในช่วงไม่กี่เดือนที่ผ่านมา หลายบริษัทได้เปิดตัวเครื่องมือทำนายโครงสร้างโปรตีนแบบโอเพนซอร์สที่ได้รับแรงบันดาลใจจาก AlphaFold3 โดยอิงจากสเปกที่อธิบายไว้ในบทความต้นฉบับซึ่งรู้จักกันในชื่อ pseudocode
สองบริษัทในจีน — ยักษ์ใหญ่ด้านเทคโนโลยี Baidu และผู้พัฒนา TikTok ByteDance — ได้เปิดตัวโมเดลที่ได้รับแรงบันดาลใจจาก AlphaFold3 เช่นกัน เช่นเดียวกับสตาร์ทอัพในซานฟรานซิสโก แคลิฟอร์เนีย ชื่อว่า Chai Discovery
ข้อจำกัดสำคัญของโมเดลเหล่านี้คือเช่นเดียวกับ AlphaFold3 ไม่มีใบอนุญาตสำหรับการใช้งานเชิงพาณิชย์ เช่น การค้นคว้ายา Mohammed AlQuraishi นักชีววิทยาด้านคอมพิวเตอร์ที่ Columbia University ในนครนิวยอร์ก กล่าว อย่างไรก็ตาม Jack Dent ผู้ร่วมก่อตั้ง Chai Discovery กล่าวว่าโมเดลของบริษัท ชื่อว่า Chai-1 สามารถใช้งานผ่านเว็บเซิร์ฟเวอร์สำหรับงานประเภทนี้ได้
อีกบริษัทหนึ่งในซานฟรานซิสโก ชื่อว่า Ligo Biosciences ได้เปิดตัวเวอร์ชันของ AlphaFold3 ที่ไม่มีข้อจำกัด แต่ยังไม่ครอบคลุมความสามารถทั้งหมด เช่น ความสามารถในการสร้างแบบจำลองยาและโมเลกุลอื่น ๆ นอกเหนือจากโปรตีน
ทีมอื่น ๆ กำลังพัฒนาเวอร์ชันของ AlphaFold3 ที่ไม่มีข้อจำกัดดังกล่าว: AlQuraishi หวังว่าจะมีโมเดลโอเพนซอร์สเต็มรูปแบบชื่อว่า OpenFold3 ภายในสิ้นปี ซึ่งจะทำให้บริษัทค้นคว้ายาสามารถฝึกโมเดลในเวอร์ชันของตนเองด้วยข้อมูลที่เป็นกรรมสิทธิ์ เช่น โครงสร้างโปรตีนที่จับกับยาต่าง ๆ ซึ่งอาจช่วยปรับปรุงประสิทธิภาพได้
ความโปร่งใสสำคัญ
ปีที่ผ่านมาได้เห็นการเปิดตัวโมเดล AI ชีวภาพใหม่ ๆ จากบริษัทหลายแห่งที่มีแนวทางเรื่องความโปร่งใสที่แตกต่างกัน Anthony Gitter นักชีววิทยาด้านคอมพิวเตอร์จาก University of Wisconsin-Madison ไม่มีปัญหากับบริษัทเชิงพาณิชย์ที่เข้ามาในสาขาของเขา ตราบใดที่พวกเขาเล่นตามกฎเดียวกันกับนักวิทยาศาสตร์คนอื่น ๆ ในการแชร์งานวิจัยลงในวารสารและเซิร์ฟเวอร์พรีพริ้นต์
ถ้า DeepMind ทำการอ้างสิทธิ์เกี่ยวกับ AlphaFold3 ในสิ่งพิมพ์วิชาการ “ผมและคนอื่น ๆ คาดหวังให้พวกเขาแชร์ข้อมูลเกี่ยวกับวิธีการทำนายและเปิดเผยโมเดล AI และโค้ดในลักษณะที่เราสามารถตรวจสอบได้” Gitter กล่าวเสริม “กลุ่มของผมจะไม่สร้างงานหรือใช้เครื่องมือที่เราไม่สามารถตรวจสอบได้”
การที่มีการสร้างซ้ำของ AlphaFold3 หลายครั้งเกิดขึ้นแล้วแสดงให้เห็นว่าโมเดลนั้นสามารถทำซ้ำได้ แม้จะไม่มีโค้ดโอเพนซอร์สก็ตาม Pushmeet Kohli หัวหน้าฝ่าย AI สำหรับวิทยาศาสตร์ของ DeepMind กล่าว เขายังกล่าวว่าในอนาคตเขาต้องการเห็นการอภิปรายเกี่ยวกับบรรทัดฐานในการเผยแพร่มากขึ้นในสาขาที่มีทั้งนักวิจัยจากวงการวิชาการและบริษัทเข้ามามากขึ้นเรื่อย ๆ
ธรรมชาติของ AlphaFold2 ที่เป็นโอเพนซอร์สนำไปสู่การสร้างสรรค์สิ่งใหม่ ๆ จากนักวิทยาศาสตร์คนอื่น ๆ ตัวอย่างเช่น ผู้ชนะการแข่งขันออกแบบโปรตีนเมื่อเร็ว ๆ นี้ใช้เครื่องมือ AI เพื่อออกแบบโปรตีนใหม่ที่สามารถจับกับเป้าหมายมะเร็งได้ Hack ที่ Jumper ชื่นชอบล่าสุดเกี่ยวกับ AlphaFold2 มาจากทีมที่ใช้เครื่องมือเพื่อระบุโปรตีนสำคัญที่ช่วยให้สเปิร์มเกาะกับเซลล์ไข่
Jumper แทบจะรอไม่ไหวที่จะเห็นความประหลาดใจเหล่านี้เกิดขึ้นหลังจากที่ได้แชร์ AlphaFold3 แม้ว่าบางครั้งอาจไม่สำเร็จก็ตาม “ผู้คนจะใช้มันในรูปแบบที่แปลก ๆ” เขาคาดการณ์ “บางครั้งมันอาจจะล้มเหลว และบางครั้งมันก็จะประสบความสำเร็จ”