โครงสร้างโปรตีนจากปัญญาประดิษฐ์

เรื่องโดย
ผศ. ดร. ป๋วย อุ่นใจ
ภาควิชาชีววิทยา คณะวิทยาศาสตร์ มหาวิทยาลัยมหิดล

…เซลล์นั้นหรือ…..ก็คือถุงไขมัน
ห่อหุ้มสองชั้น…..เก็บสารเคมีหลากหลาย
ขับเคลื่อนชะตา….ด้วยปฏิกิริยามากมาย

ทั้งหมดเกิดขึ้นได้…..เพราะเอนไซม์ที่ภายใน

โครงสร้างบันไดเวียนเกลียวคู่ของเจมส์ วัตสัน และฟรานซิส คริก ได้เปิดศักราชใหม่ที่ทำให้เราเข้าใจกลไกที่ง่ายแต่ทว่างดงามยิ่งในการส่งต่อข้อมูลทางพันธุกรรมจากรุ่นสู่รุ่น ตั้งแต่การแบ่งดีเอ็นเอในระดับเซลล์ ไปจนถึงกลไกการแบ่งเซลล์หรือแม้แต่กระบวนการปฏิสนธิในสิ่งมีชีวิตที่มีความหลากหลาย

“ที่จริง ถ้าคุณอยากเข้าใจระบบอะไรที่ซับซ้อนมากๆ สิ่งที่คุณต้องทำก็แค่มองเข้าไปให้รู้ว่าอะตอมอยู่ตรงไหน ก็แค่นั้น” ศาสตราจารย์ ดร. ริชาร์ด ไฟน์แมน นักฟิสิกส์รางวัลโนเบลผู้ที่โด่งดังได้กล่าวไว้

หน้าเว็บเพจหลักของ DeepMind ที่ https://www.deepmind.com

และนั่น ทำให้นักวิทยาศาสตร์มากมายทุ่มเทแรงกายแรงใจเพื่อค้นหาโครงสร้างสามมิติที่ซับซ้อนของโมเลกุลต่างๆ ที่ความละเอียดระดับให้เห็นอะตอมให้ได้

ข้อมูลโครงสร้างเหล่านั้นทำให้เราเข้าใจกลไกต่างๆ ในสิ่งมีชีวิต ตั้งแต่การสร้างโปรตีนจักรกลนาโนที่เรียกว่าเอนไซม์มาใช้ในการเร่งปฏิกิริยาขับเคลื่อนทุกสิ่งอย่างที่เกิดขึ้นภายในเซลล์ การส่งสารติดต่อกับโลกภายนอกผ่านเยื่อหุ้มเซลล์ ไปจนถึงการควบคุมชะตาชีวิตของเซลล์ภายในสิ่งมีชีวิต

หรือแม้แต่กระบวนการเข้ายึดครองเซลล์ของไวรัสก่อโรคอย่างเช่น SARS-CoV2!

องค์ความรู้ในเรื่องของโครงสร้างสามมิติของโปรตีน และเอนไซม์ต่างๆ นั้น ทำให้นักวิทยาศาสตร์สามารถออกแบบเอนไซม์ใหม่ๆ แอนติบอดีใหม่ๆ หรือ ยาใหม่ๆ ที่จำเพาะเจาะจงมากกับโรคร้าย จนแทบไม่ส่งผลข้างเคียงอะไรเลยกับผู้ป่วย

ข้อมูลเชิงลึกเหล่านี้ หลายๆ คนถือเป็นข้อมูลลับระดับพันล้านดอลลาร์ ที่นักพัฒนายาและเภสัชภัณฑ์ต่างๆ หวงแหน เพราะรายละเอียดเพียงเล็กน้อยอาจจะส่งผลให้ยาบางตัวออกฤทธิ์ได้ดีกว่ายาตัวอื่นจนเอาชนะได้ในเกมการแข่งขันแสนดุเดือดที่มีชีวิตคนและเม็ดเงินจำนวนมหาศาลเป็นเดิมพัน

ในวงการธุรกิจ การปรับแต่งโครงสร้างเอนไซม์ให้มีความเสถียรมากขึ้น ทนขึ้น อาจจะดูเหมือนไม่มีอะไร แต่การได้เปรียบเพียงเล็กน้อยนี้ อาจสร้างผลต่างใหญ่หลวงในด้านการผลิตสารออกฤทธิ์ในระดับอุตสาหกรรม

เม็ดเงินที่ประเทศที่พัฒนาแล้วได้ลงทุนไปกับโครงสร้างพื้นฐาน (infrastructure) เพื่อการหาโครงสร้างสามมิติของโปรตีนและเอนไซม์ที่สำคัญนั้นจึงบอกได้คำเดียวว่าสุดประมาณ

การพัฒนาเทคนิคแยกบริสุทธิ์และการตกผลึกโปรตีนที่ยากแสนยาก แหล่งกำเนิดแสงขนาดมหึมาจนจุสนามฟุตบอลเข้าไปได้สบายๆ อย่างซิงโครตรอน ไซโครตรอน หรือบีวาตรอน จึงได้ถูกก่อตั้งขึ้นมาเพื่อตอบโจทย์ในการหาโครงสร้างโมเลกุลด้วยหลักการทางผลึกศาสตร์ (crystallography)

และเมื่อไม่นานมานี้เอง ก็มีข่าวดีอีกข่าวหนึ่งจากนักวิทยาศาสตร์และนักพัฒนาเทคโนโลยี นั่นก็คือเทคโนโลยีการสร้างภาพสุดล้ำโดยใช้กล้องจุลทรรศน์อิเล็กตรอนถ่ายภาพที่อุณหภูมิเยือกแข็งยิ่งยวด (cryoEM) หรือ cryogenic electron microscopy ก็ประสบความสำเร็จในการถ่ายภาพโปรตีนให้เห็นได้ในระดับอะตอม

แต่ต้นทุนทางอินฟราสตรัคเจอร์ของทั้งสองเทคโนโลยีนี้นั้นแพงมหาศาล หลักหลายพันล้านบาทที่ต้องทุ่มลงไป แน่นอนที่สุด ในหลายประเทศทั้ง สหรัฐอเมริกา ยุโรป จีน เกาหลี ญี่ปุ่น สิงคโปร์ ต่างก็ลงทุนงบประมาณก้อนใหญ่ด้วยความหวังที่ว่าโครงสร้างเอนไซม์ที่มีความสำคัญในเชิงเศรษฐกิจ เช่น เอนไซม์ที่เป็นเป้าหมายของยาต้านเชื้อก่อโรค หรือ เอนไซม์ที่มีบทบาทสำคัญในเชิงอุตสาหกรรมเพียงแค่ไม่กี่ตัว ก็จะส่งผลให้เกิดการสร้างผลิตภัณฑ์และนวัตกรรมที่ออกมานำตลาดทำกำไรได้อย่างเป็นกอบเป็นกำ คุ้มค่ากับงบประมาณที่ลงไป

อย่าลืมว่ารายละเอียดเพียงเล็กน้อยอาจจะสร้างผลต่างในเชิงเศรษฐกิจอย่างมหาศาล ไม่นับในเรื่องของผู้เชี่ยวชาญที่จะเกิดขึ้นในประเทศที่จะมาช่วยพัฒนานวัตกรรมและเทคโนโลยีต่อยอดต่อไปด้วย

แน่นอนว่าเทคโนโลยีการหาโครงสร้างสามมิตินั้น ต้องอาศัยผู้เชี่ยวชาญที่มีประสบการณ์สูง อีกทั้งยังต้องใช้งบประมาณมากมาย แถมโครงสร้างที่ได้ เป็นแค่ snapshot หรือโครงสร้างภาพนิ่งที่ยังยากที่จะการันตีความถูกต้องแม่นยำของโครงสร้างนั้นได้

นักวิจัยด้านชีววิทยาเชิงโครงสร้างก็เลยได้จัดตั้งการประกวดการทำนายโครงสร้างของโปรตีนในคอม ที่เรียกว่า CASP หรือว่า Critical Assessment of Protein-Structure Prediction ขึ้นมาตั้งแต่ปี 1994 เพื่อให้นักวิจัยและผู้สนใจทั่วโลกนั้นได้พัฒนาเทคนิคในการออกแบบวิธีการทำนายโครงสร้างสามมิติของโปรตีนอย่างแม่นยำขึ้นมา

เป็นข่าวใหญ่ที่พึ่งออกมาสะเทือนวงการชีววิทยาและชีวเคมี เมื่ออัลฟ่าโฟลด์ (Alpha fold) ปัญญาประดิษฐ์จากโครงการ DeepMind ของกูเกิลสามารถทำนายโครงสร้างสามมิติของโปรตีนได้ด้วยความแม่นยำ ขนาดที่บอกได้ว่าอะตอมไหนน่าจะอยู่ตรงไหนในโมเลกุล

การทำนายของทีม DeepMind ถูกส่งเข้าไปแข่งใน CASP ภายใต้ชื่อ กลุ่ม 427 (group 427) ที่น่าตื่นเต้นก็คือ 2/3 ของแบบจำลองที่ DeepMind AlphaFold ส่งไปแข่งนั้น ดันมีความเหมือนมากๆ กับโครงสร้างโปรตีนที่มาจากการทดลองที่เขาเตรียมไว้เป็นโจทย์ เช่น ข้อมูลจากผลึก หรือจาก cryoEM

โดยปกติแล้ว ถ้านับความถูกต้อง โดยเปรียบเทียบกับโครงสร้างที่ถูกสร้างขึ้นมาแล้วจากการทดลอง ที่ถูกซ่อนไว้เพื่อเป็นโจทย์ การทำนายโดยใช้เทคนิคชีววิทยาเชิงคำนวณ (computational biology) นั้น จะได้คะแนนอยู่ในช่วงราวๆ 75 เปอร์เซ็นต์ คือมีความแม่นยำพอสมควร แต่จะยังมีความเพี้ยนๆ ของโครงสร้างอยู่บ้างเล็กน้อย

แต่การทำนายของอัลฟาโฟลด์ นั้น ได้คะแนนมากถึงราวๆ 90% เลยทีเดียวเมื่อเปรียบเทียบในโจทย์เดียวกัน

จอห์น จัมเปอร์ (John Jumper) หัวหน้าทีมอัลฟาโฟลด์จาก DeepMind ให้สัมภาษณ์ว่าในขั้นแรก เทคนิคทางปัญญาประดิษฐ์ที่เรียกว่า Deep learning จะถูกนำไปศึกษาข้อมูลทางโครงสร้างและพันธุศาสตร์เช่นลำดับกรดอะมิโน เพื่อทำนายระยะห่างระหว่างกรดอะมิโนแต่ละคู่ในโปรตีน และในขั้นต่อมา อัลฟาโฟลด์จะเอาข้อมูลทุกอย่างมาวิเคราะห์เพื่อสร้างแบบจำลองสามมิติขึ้นมาที่จะบอกได้ว่าโปรตีนต่างๆ นั้นมีโครงสร้างสามมิติเป็นอย่างไร โดยจะโฟกัสที่โครงสร้างสุดท้ายที่ดีที่สุดที่สร้างขึ้นมาได้

แอนเดร ลูปาส (Andrei Lupas) นักชีววิทยาวิวัฒนาการจาก สถาบันมักซ์พลังก์เพื่อชีววิทยาพัฒนาการ (Max Planck Institute for Developmental Biology) ในเมือง Tübingen ประเทศเยอรมัน เปิดเผยว่า สำหรับโปรตีนชนิดหนึ่งจากแบคทีเรียที่ทีมวิจัยของเขาสนใจ และใช้เวลานับทศวรรษกว่าจะผลิต แยกบริสุทธิ์ ตกผลึกและประกอบร่างสร้างขึ้นมาจนเป็นโครงสร้างสามมิติได้ อัลฟาโฟลด์ใช้เวลาเพียงแค่ครึ่งชั่วโมงในการทำนายโครงสร้างที่สวยงามและมีความแม่นยำสูงมาก ไม่ต่างไปจากโครงสร้างที่พวกเขาทุ่มเททำการทดลองจนแทบกระอักเลือดนานนับสิบปีกว่าจะได้มา

“นี่คือจุดพลิกผัน ที่จะเปลี่ยนการแพทย์ เปลี่ยนงานวิจัย เปลี่ยนวิศวกรรมชีวภาพ เปลี่ยนทุกสิ่งอย่าง” ลูปาสเน้น

เดมิส แฮสซาบิส หัวหน้าทีมผู้บริหารและหนึ่งในผู้ร่วมก่อตั้ง DeepMind

“เราตั้งใจจะทำให้อัลฟาโฟลด์มีประโยชน์สูงสุดกับนักวิทยาศาสตร์ที่สนใจอยากจะใช้มัน อันที่จริง เราพึ่งจะเริ่มเห็นภาพชัดว่านักชีววิทยาอยากได้อะไร แน่นอนว่าการบุกเบิกยา และการออกแบบโปรตีนคงเป็นการต่อยอดที่ชัดเจน” เดมิส แฮสซาบิส ผู้ร่วมก่อตั้งและหัวหน้าผู้บริหาร DeepMind ให้สัมภาษณ์

และนี่คือการเปิดฉากเริ่มต้นที่สวยงามของการนำปัญญาประดิษฐ์มาใช้ในทางชีววิทยาเชิงโครงสร้าง และคงไม่ต้องบอกว่า DeepMind ไม่ใช่เอกชนเจ้าเดียวที่กระโดดลงมาเล่นในสนามนี้ เพราะผู้เข้าร่วมการแข่งขันในสังเวียน CASP14 ไม่ได้มีแค่ DeepMind แต่ยังมีไมโครซอฟต์และบริษัทเทคโนโลยีชื่อดังสัญชาติจีนอย่างเทนเซนต์ (Tencent) อีกด้วย

หนทางยังอีกยาวไกล แต่หนทางสายใหม่ ช่างดูสวยงามนัก สำหรับนักวิทยาศาสตร์และนักเทคโนโลยี

ดิสรัปชั่นที่จะทำให้เกิดการปฏิรูปวงการชีวเคมีและวิทยาศาสตร์การแพทย์กำลังเริ่มขึ้นแล้ว!

สามารถอ่านบทความในรูปแบบ e-Magazine ได้ในนิตยสารสาระวิทย์ ฉบับที่ 93 เดือนธันวาคม 2563
https://oer.learn.in.th/search_detail/result/217539