NVIDIA ผนึก Google เตรียมรับมือโรคระบาดใหม่ด้วย AI แบบเปิด

เมื่อครั้งที่ COVID-19 อุบัติขึ้น นักวิทยาศาสตร์มีข้อได้เปรียบสำคัญจากการวิจัยไวรัสโคโรนาที่มีมานานหลายทศวรรษ ทำให้เข้าใจโปรตีนหลักของไวรัสดีพอที่จะออกแบบวัคซีนได้รวดเร็วเป็นประวัติการณ์ ทว่าโรคระบาดครั้งต่อไปอาจไม่ได้ให้โอกาสในการเริ่มต้นล่วงหน้าเช่นนั้น เพื่อเพิ่มโอกาสในความสำเร็จ NVIDIA จึงเข้าร่วมเป็นพันธมิตรกับองค์กรวิจัยระดับโลก อาทิ Google DeepMind และสถาบันชีวสารสนเทศแห่งยุโรป (EMBL-EBI) เพื่อเผยแพร่โครงสร้าง 3 มิติที่คาดการณ์ไว้สำหรับกลุ่มโปรตีนเชิงซ้อน (protein complexes) ของไวรัสมากกว่า 2,800 ชนิด โดยเปิดให้เข้าถึงได้ฟรีผ่าน AlphaFold Database

โครงสร้างในชุดข้อมูลใหม่นี้ถูกอนุมานโดยใช้ AlphaFold2 โมเดล AI จาก Google DeepMind ที่ได้รับการปรับเพิ่มประสิทธิภาพด้วย NVIDIA BioNeMo Inference Runtime ซึ่งช่วยให้ทีมงานสามารถขยายขนาดการทำงานไปยังโปรตีโอมของไวรัส (viral proteomes) หลายพันชนิด เพื่อคาดการณ์ปฏิสัมพันธ์ของกลุ่มโปรตีนที่อยู่ภายในไวรัสแต่ละชนิด

“ความตั้งใจของเราคือการเปิดโอกาสให้ทุกคนเข้าถึงชีววิทยาพื้นฐานระดับใหญ่ได้อย่างเท่าเทียมกัน” Risha Patel ผู้จัดการฝ่ายพันธมิตรด้านชีววิทยาศาสตร์ของ Google DeepMind กล่าว “ความร่วมมือครั้งนี้จะช่วยให้นักวิทยาศาสตร์ทั่วโลกมีข้อมูลเชิงลึกที่จำเป็นในการเตรียมพร้อมสำหรับโรคระบาดในอนาคต”

นอกจากนี้ NVIDIA ยังเปิดให้ใช้งาน BioNeMo Structure Prediction Pipeline แบบ Open Source ซึ่งเป็นกระบวนการทำงานที่เร่งความเร็วด้วย GPU เพื่อให้นักวิจัยสามารถเปลี่ยนลำดับโปรตีนให้เป็นโครงสร้าง 3 มิติสำหรับเป้าหมายการวิจัยของตนเองได้ทันที

การเตรียมพร้อมต้องเริ่มตั้งแต่วันนี้ โดยการวิเคราะห์จาก Center for Global Development ประเมินว่ามี โอกาสราว 50% ที่โลกจะเผชิญกับโรคระบาดที่รุนแรงเท่า COVID-19 ภายในปี 2050 ซึ่งศาสตราจารย์ Joe Grove จาก University of Glasgow ระบุว่าเราต้องเร่งสะสมความรู้เหล่านี้ไว้ล่วงหน้าก่อนที่วิกฤตจะมาถึง

ผลการวิเคราะห์พบว่าประมาณ 30% ของปฏิสัมพันธ์โปรตีนในฐานข้อมูลนี้เป็นสิ่งใหม่ที่ยังไม่เคยมีการบันทึกไว้ใน Protein Data Bank มาก่อน ซึ่ง Chris Dallago จาก NVIDIA ชี้ว่านี่คือกลไกสำคัญที่จะช่วยให้นักชีววิทยาตรวจสอบปฏิสัมพันธ์ของกลุ่มโปรตีนเชิงซ้อนแทนที่จะมองแค่โมเลกุลเดี่ยว

การคาดการณ์โครงสร้างโปรตีนเชิงซ้อน โดยปกติโปรตีนจะทำงานร่วมกันเป็นกลุ่มเชิงซ้อน ซึ่งมักเป็นเป้าหมายสำคัญที่วัคซีนหรือยาต้องเข้ามายับยั้ง การเข้าใจโครงสร้าง 3 มิติของโปรตีนหนาม (spike protein) ใน COVID-19 เคยเป็นรากฐานสำคัญในการผลิตวัคซีนมาแล้ว แต่สำหรับไวรัสอื่นอีกหลายพันชนิดนั้นยังขาดแคลนข้อมูลส่วนนี้อยู่

วิธีการดั้งเดิมในการหาโครงสร้างโปรตีนอาจใช้เวลาหลายปีและค่าใช้จ่ายสูง แต่ด้วย AlphaFold2 ที่รันบน NVIDIA BioNeMo จะสามารถคาดการณ์โครงสร้างได้ภายในไม่กี่นาที ทำให้นักวิทยาศาสตร์ทำงานได้อย่างเป็นระบบตั้งแต่ไวรัสไข้หวัดทั่วไปจนถึงภัยคุกคามใหม่อย่างฝีดาษลิง (Mpox)

ความร่วมมือระดับโลกเพื่อการเข้าถึงที่เท่าเทียม

โครงการนี้รวบรวมความร่วมมือจากหลายสถาบัน เช่น Seoul National University และ Swiss Institute of Bioinformatics โดยมีการปล่อยชุดข้อมูลสอดคล้องกับการประชุมสมัชชาใหญ่แห่งสหประชาชาติ ซึ่งปัจจุบัน AlphaFold Database มีข้อมูลการคาดการณ์โปรตีนรวมแล้วกว่า 260 ล้านรายการ

Jo McEntyre รักษาการผู้อำนวยการ EMBL-EBI ระบุว่าการเปิดเผยข้อมูลนี้เป็นสิ่งสำคัญอย่างยิ่งต่อการวินิจฉัยและรักษา โดยเฉพาะสำหรับนักวิทยาศาสตร์ในพื้นที่ที่มีทรัพยากรจำกัดซึ่งต้องเผชิญกับการระบาดโดยตรง ช่วยลดอุปสรรคในการเข้าถึงองค์ความรู้ระดับสูง

สรุปแล้ว ข้อมูลใหม่นี้ถือเป็นแรงขับเคลื่อนสำคัญในด้านชีวพัฒนาดิจิทัล โดย Grove กล่าวทิ้งท้ายว่าสิ่งนี้คือเครื่องมือทรงพลังที่จะช่วยให้นักวิจัยรุ่นใหม่ไม่ต้อง “ทำงานในความมืด” อีกต่อไป และจะช่วยเร่งความเร็วให้กับวิทยาศาสตร์พื้นฐานได้อย่างมหาศาล

สำรวจชุดข้อมูลได้ที่ AlphaFold Database Pandemic Preparedness Portal และศึกษาเพิ่มเติมเกี่ยวกับ NVIDIA BioNeMo