เมื่อวันที่ 22 มีนาคม ทีมงานของศาสตราจารย์หงเลี่ยงจากมหาวิทยาลัยเจียงซูในเซี่ยงไฮ้ได้เปิดตัวโมเดลการออกแบบโปรตีน Venus ซึ่งทีมงานได้รวม AI เข้ากับการออกแบบและปรับปรุงโปรตีน โดยได้สร้างชุดข้อมูลโปรตีนที่ใหญ่ที่สุดในโลก โมเดลที่ได้รับการฝึกอบรมจากชุดข้อมูลนี้สามารถคาดการณ์และออกแบบฟังก์ชันของโปรตีนได้อย่างแม่นยำและมีประสิทธิภาพ เปลี่ยนการผลิตโปรตีนจาก “การลองผิดลองถูกที่ช้า” เป็น “การออกแบบที่แม่นยำและมีประสิทธิภาพสูง”.
ผลงานนี้ร่วมกับอุปกรณ์อัตโนมัติที่เป็นผู้นำในอุตสาหกรรม ได้ทำการนำไปสู่การใช้ในอุตสาหกรรม ทำให้การออกแบบโปรตีนจาก “วิทยาศาสตร์ที่ซับซ้อน” กลายเป็น “วิศวกรรมที่ง่าย” ในปัจจุบัน.
ชุดข้อมูลลำดับโปรตีน Venus-Pod (Venus-Protein Outsize Dataset) ที่สร้างโดยทีม Hongliang มีลำดับโปรตีนเกือบ 9,000 ล้านลำดับ รวมถึงแท็กฟังก์ชันหลายร้อยล้านแท็ก เป็นชุดข้อมูลที่มีขนาดใหญ่ที่สุดในโลกและมีแท็กฟังก์ชันมากที่สุด นอกจากนี้ยังมีปริมาณถึง 4 เท่าของลำดับโปรตีน 2,100 ล้านลำดับที่ใช้ในการฝึกโมเดลที่มีชื่อเสียงในอีกอุตสาหกรรมหนึ่งคือโมเดล ESM-C ของสหรัฐอเมริกา.
ชุดข้อมูลนี้ประกอบด้วยลำดับโปรตีนจุลินทรีย์บนบกจำนวน 3.62 พันล้านรายการ, ลำดับโปรตีนจุลินทรีย์ในทะเลจำนวน 2.64 พันล้านรายการ, ลำดับโปรตีนแอนติบอดีจำนวน 2.43 พันล้านรายการ, ลำดับโปรตีนไวรัสจำนวน 60 ล้านรายการ ซึ่งครอบคลุมข้อมูลลำดับโปรตีนจากสิ่งมีชีวิตบนพื้นผิวทั่วไปไปจนถึงจุลินทรีย์ในสภาพแวดล้อมที่รุนแรง โดยเฉพาะอย่างยิ่งมีแท็กฟังก์ชันจำนวนหลายร้อยล้านรายการ (อุณหภูมิที่โปรตีนทำงาน, ความเป็นกรดด่าง, ความดัน เป็นต้น)
Hong Liang กล่าวว่าชุดข้อมูลถือเป็น “แหล่งโปรตีน” ขนาดใหญ่ซึ่งทําให้มนุษย์สามารถขุดโปรตีนหรือตัวเร่งปฏิกิริยาชีวภาพใหม่เพื่อช่วยในการพัฒนาชีวการแพทย์และชีววิทยาสังเคราะห์ได้อย่างรวดเร็ว ประการที่สองโมเดลขนาดใหญ่ AI คาดว่าจะเรียนรู้จากข้อมูลขนาดใหญ่และเข้าใจรูปแบบวิวัฒนาการของโปรตีนในธรรมชาติซึ่งเป็นสื่อการเรียนรู้ที่มีคุณค่าสําหรับ AI ในการออกแบบผลิตภัณฑ์โปรตีนที่ยอดเยี่ยม
ในปี 2024 รางวัลโนเบลสาขาเคมีถูกมอบให้กับทีม DeepMind ของ Google ซึ่งใช้เทคโนโลยี AI ในการวิเคราะห์ความสัมพันธ์ระหว่างลำดับโปรตีนกับโครงสร้างสามมิติอย่างแม่นยำ แก้ปัญหาพื้นฐานที่สร้างความยุ่งยากให้กับนักชีววิทยามานานกว่า 50 ปี.
อย่างไรก็ตาม ปัญหาที่แท้จริงคือ: หากมีการเปลี่ยนแปลงลำดับกรดอะมิโนของโปรตีนเพียงเล็กน้อย แม้เพียง 1% การเปลี่ยนแปลงเล็กน้อย โปรตีนอาจไม่มีการเปลี่ยนแปลงโครงสร้างที่เห็นได้ชัดเจน แต่ฟังก์ชันของมันมีแนวโน้มที่จะด้อยลงอย่างมาก หรือแม้กระทั่งสูญเสียไปโดยสิ้นเชิง.
กล่าวอีกนัยหนึ่ง เพื่อออกแบบผลิตภัณฑ์โปรตีนที่ประสบความสำเร็จ จะต้องไม่มุ่งเน้นเพียงแค่โครงสร้างสามมิติของมัน แต่ต้องสามารถคาดการณ์และออกแบบฟังก์ชันของมันได้อย่างสำเร็จด้วย
ดังนั้น ทีมงานของศาสตราจารย์หงเหลียงจึง “หาวิธีใหม่” ไม่ยึดติดกับโครงสร้างของโปรตีนอีกต่อไป แต่ตั้งเป้าไปที่ “การคาดการณ์ฟังก์ชัน” ซึ่งเป็นเป้าหมายสูงสุด โดยเปลี่ยนการออกแบบโปรตีนที่ซับซ้อนให้เป็นกระบวนการง่ายๆ ที่มุ่งเน้นตามความต้องการและมีการทดลองเพียงเล็กน้อยเพื่อให้ได้ผลลัพธ์.
“เราฝึกแบบจําลองชุดดาวศุกร์ซึ่งแตกต่างจาก AlphaFold ของทีม DeepMind เพื่อทํานายโครงสร้างโปรตีน และแบบจําลองนี้เรียนรู้กฎของการจัดระเบียบลําดับโปรตีนในธรรมชาติและความสัมพันธ์ระหว่างพวกมันกับฟังก์ชัน และความแม่นยําในการทํานายฟังก์ชันการกลายพันธุ์ของโปรตีนนั้นสูงที่สุดในอุตสาหกรรม” นายหงเหลียงกล่าว
โมเดลซีรีส์ Venus มีฟังก์ชันหลักสองประการ ได้แก่ “การวิวัฒนาการที่มุ่งเน้น AI” และ “การขุดเอนไซม์ AI”.
所谓“AI定向进化”คือการที่โมเดลซีรีส์ Venus สามารถปรับปรุงประสิทธิภาพหลายประการของผลิตภัณฑ์โปรตีนที่ไม่สมบูรณ์แบบให้กลายเป็น “นักรบหกเหลี่ยม” เพื่อตอบสนองความต้องการในการใช้งาน.
“AI การขุดเอนไซม์” หมายถึง โมเดลซีรีส์ Venus ที่อิงจากชุดข้อมูลโปรตีนฟังก์ชันที่ไม่รู้จักจำนวนมาก สามารถ “คัดเลือกนักรบที่มีพลังพิเศษ” เพื่อค้นหาโปรตีนที่มีฟังก์ชันที่เหนือธรรมชาติซึ่งตอบสนองความต้องการที่เข้มงวด เช่น ทนความร้อนสูงมาก ทนกรดสูงมาก ทนด่างสูงมาก และทนการย่อยในระบบทางเดินอาหารสูงมาก เป็นต้น.
โปรตีนที่มีฟังก์ชันพิเศษเหล่านี้มีศักยภาพในการใช้งานอย่างมหาศาลในด้านเทคโนโลยีชีวภาพ การวิจัยและพัฒนายา และการผลิตในอุตสาหกรรม สามารถนำไปสู่นวัตกรรมและการก้าวกระโดดในสาขาที่เกี่ยวข้องได้
ในเวลาเดียวกัน เครื่องมืออัตโนมัติสำหรับการแสดงออก การบริสุทธิ์ และการตรวจสอบฟังก์ชันของโปรตีนขนาดใหญ่ที่มีการไหลต่ำรุ่นแรกในโลกที่ใช้ร่วมกับโมเดล Venus จะสามารถดำเนินการแสดงออก การบริสุทธิ์ และการตรวจสอบโปรตีนกว่า 100 ชนิดได้อย่างไม่หยุดหย่อนภายใน 24 ชั่วโมง ซึ่งเพิ่มประสิทธิภาพเกือบ 10 เท่าเมื่อเปรียบเทียบกับการทำงานของมนุษย์ จะช่วยลดการใช้แรงงาน วัสดุ และต้นทุนเวลาที่ใช้ในกระบวนการวิจัยและพัฒนาอย่างมาก และเพิ่มประสิทธิภาพในการวิจัยด้านโปรตีนวิศวกรรมและสังเคราะห์ชีววิทยาอย่างมีนัยสำคัญ เป้าหมายคือ “การออกแบบด้วย AI และการทดลองอัตโนมัติ” เพื่อปลดปล่อยนักวิจัยจากการออกแบบและการทดลองที่ยุ่งยาก พวกเขาเพียงแค่ต้องตั้งคำถาม และ AI กับระบบอัตโนมัติจะช่วยแก้ปัญหา ทำให้การค้นพบทางวิทยาศาสตร์โปรตีนที่ซับซ้อนกลายเป็นกระบวนการที่ “เหมือนกล้องถ่ายรูปอัตโนมัติ” ที่ง่ายดาย
ปัจจุบัน โมเดลโปรตีนหลายรุ่นที่ออกแบบโดยซีรีส์ Venus ได้ถูกนำไปใช้ในอุตสาหกรรมแล้ว
ตัวอย่างจากการปรับปรุงความต้านทานด่างของแอนติบอดีโดเมนเดี่ยวของบริษัท Jin Sai Pharmaceutical ซึ่งเป็นผู้นำด้านฮอร์โมนการเจริญเติบโตในประเทศ การเพิ่มความต้านทานด่างของโปรตีนเป็นงานที่ท้าทายเสมอ ทีม Hong Liang ใช้โมเดลนี้ร่วมกับการทดลองในห้องปฏิบัติการเป็นจำนวนเล็กน้อยในวงจรปิดเพื่อยืนยัน ซึ่งใช้เวลาไม่ถึงหนึ่งปีในการเพิ่มความต้านทานด่างของแอนติบอดีโดเมนเดี่ยวทั่วไปขึ้น 4 เท่า ประหยัดต้นทุนให้กับ Jin Sai Pharmaceutical ได้มากกว่าหมื่นล้านหยวนต่อปี ผลลัพธ์นี้ได้มีการผลิตขยายขนาด 5000 ลิตรในหลายชุดแล้ว และกลายเป็นผลิตภัณฑ์โปรตีนตัวแรกในโลกที่ออกแบบโดยโมเดลขนาดใหญ่และผลิตในขนาดใหญ่.
การประยุกต์ใช้นวัตกรรมอีกอย่างของแบบจําลองชุดดาวศุกร์คือโครงการดัดแปลงอัลคาไลน์ฟอสฟาเทส (ALP) ของ บริษัท วินิจฉัยในหลอดทดลองชั้นนํา ALP ใช้กันอย่างแพร่หลายในฐานะเอนไซม์ติดฉลากเนื่องจากความเสถียรและความไวสูงและยิ่งกิจกรรมของมันสูงขึ้นความไวในการตรวจจับก็จะยิ่งสูงขึ้นทําให้สามารถตรวจจับตัวบ่งชี้ทางชีวภาพที่ต่ํามาก แต่การเพิ่มกิจกรรมของ ALP เป็นความท้าทายเสมอ แบบจําลองซีรีส์ Venus ประสบความสําเร็จในการเพิ่มประสิทธิภาพ ALP ทําให้กิจกรรมระดับโมเลกุลสูงกว่าผลิตภัณฑ์ของ บริษัท ชั้นนําชั้นนํา 3 เท่าซึ่งนําคุณค่ามาสู่การวินิจฉัยการตรวจหาภาวะภูมิไวเกิน (เช่นกล้ามเนื้อหัวใจตายและโรคอัลไซเมอร์) ในปัจจุบัน ALP ที่แปลงร่างได้เข้าสู่ขั้นตอนของการผลิตแบบขยายขนาด 200 ลิตรซึ่งเป็นเครื่องหมายของการเปลี่ยนแปลงทางอุตสาหกรรมที่ประสบความสําเร็จของแบบจําลองซีรีส์ Venus
（แหล่งที่มา: ข่าว界面）
แหล่งที่มา: 东方财富网
ผู้เขียน: ข่าวระเบียบ
