AlphaFold

AlphaFold гэдэг нь амин хүчлийн дарааллаас уургийн 3D хэмжээст бүтцийг таамаглан тодорхойлдог хиймэл оюуны систем. Энгийнээр хэлбэл, уураг бодит байдал дээр ямар хэлбэрээр “эвхэгдэж” ажилладагийг тооцоолж гаргадаг технологи. Alphabet компанийн охин компани болох DeepMind-ийн хөгжүүлсэн хиймэл оюуны (AI) программ. Үүнийг гүнзгий суралцах (deep learning) технологи ашиглан зохион бүтээсэн.

AlphaFold 1 (2018) нь 2018 оны 12-р сард болсон Уургийн бүтцийн таамаглалын 13 дахь удаагийн шүүмжлэлт үнэлгээ (CASP)-ний ерөнхий чансааг тэргүүлсэн байна. Тус тэмцээнийг зохион байгуулагчдын зүгээс хамгийн хүнд ангилалд оруулсан, дараалал нь хэсэгчлэн төсөөтэй уургуудаас гарган авсан бэлэн загвар бүтэц (template structures) байхгүй байсан байнууд дээр хамгийн үнэн зөв бүтцийг таамаглаж чадсанаараа онцгой амжилт үзүүлсэн.

AlphaFold 2 (2020) нь 2020 оны 11-р сард болсон CASP14 тэмцээнд энэхүү амжилтаа давтжээ. Энэ нь бусад бүх оролцогчдоос хамаагүй өндөр нарийвчлалын түвшинд хүрсэн байна. Түүнчлэн уургуудын ойролцоогоор гуравны хоёрт нь CASP-ийн глобал зайн тест (GDT) дээр 90-ээс дээш оноо авсан бөгөөд уг тест нь тооцоолуураар таамагласан бүтэц болон туршилтаар тодорхойлсон бүтцийн хоорондын төсөөтэй байдлыг хэмждэг, 100 оноо нь бүрэн тохирч байгааг илэрхийлдэг шалгуур юм. Метагеномын өгөгдлийг багтаасан нь олон дарааллын зэрэгцүүлэлт (multiple sequence alignments)-ийн таамаглалын чанарыг сайжруулсан. Сургалтын өгөгдлийн хамгийн том эх сурвалжуудын нэг нь тусгайлан бүтээсэн, олон дарааллын зэрэгцүүлэлт болон Халдмал Марковын загвар (Hidden Markov models) хэлбэрээр дүрслэгдсэн 65,983,866 уургийн бүлэг бүхий Big Fantastic Database (BFD) байсан бөгөөд энэ нь лавлах өгөгдлийн сан, метагеном, метатранскриптомуудаас авсан 2,204,359,010 уургийн дарааллыг хамарч байв.

AlphaFold 2-ын CASP14 дээр үзүүлсэн үр дүнг "гайхалтай" бөгөөд "хувьсгал хийсэн" хэмээн тодорхойлсон байдаг. Гэсэн хэдий ч зарим судлаачид түүний таамаглалын гуравны нэгд нарийвчлал нь хангалтгүй байсныг, мөн одоог хүртэл шийдэгдээгүй байгаа "уургийн нугалаасын асуудал"-ын хүрээнд уураг нугаларах үндсэн механизм эсвэл зүй тогтлыг илрүүлж чадаагүйг тэмдэглэсэн байна.

Үүнийг үл харгалзан уг техникийн ололт амжилтыг олон нийтээр өргөнөөр хүлээн зөвшөөрсөн юм. 2021 оны 7-р сарын 15-нд AlphaFold 2-ын судалгааны ажил "Nature" сэтгүүлд урьдчилсан хандалттайгаар хэвлэгдсэн бөгөөд үүнтэй зэрэгцэн нээлттэй эх сурвалж бүхий программ хангамж болон төрөл зүйлүүдийн протеомын хайлт хийх боломжтой өгөгдлийн санг нээсэн байна. 2025 оны 11-р сарын байдлаар уг бүтээл бараг 43,000 удаа иш татагджээ.

AlphaFold 3-ыг 2024 оны 5-р сарын 8-нд зарласан. Энэ нь уургуудын ДНХ, РНХ, төрөл бүрийн лиганд болон ионуудтай үүсгэдэг нэгдлүүд (complexes)-ийн бүтцийг таамаглах чадвартай. Энэхүү шинэ таамаглах арга зүй нь уургийн бусад молекулуудтай харилцан үйлчлэх харилцан үйлчлэлийн нарийвчлалыг одоо байгаа аргуудтай харьцуулахад хамгийн багадаа 50 хувиар сайжруулсныг харуулсан байна.

Демис Хассабис, Жон Жампер нар "уургийн бүтцийн таамаглал"-ын төлөө 2024 оны Химийн салбарын Нобелийн шагналын талыг хамтран хүртсэн бол нөгөө талыг нь Дэвид Бэйкер "тооцооллын уургийн дизайн"-ы үр шимээрээ авчээ. Хассабис, Жампер нар үүнээс өмнө буюу 2023 онд AlphaFold төслийг удирдсан манлайллынхаа төлөө Амьдралын шинжлэх ухааны салбар дахь шагнал (Breakthrough Prize) болон Анагаах ухааны суурь судалгааны Альберт Ласкерийн шагналыг тус тус хүртэж байсан юм.

Уураг нь амьд биетийн үндсэн “ажлын механизм” бөгөөд түүний хэлбэр нь ямар үүрэгтэйг нь тодорхойлдог:

фермент
эсрэг бие (antibody)
гормон
вирусийн уураг
эсийн нөхөн сэргээх систем
хавдартай холбоотой уургууд

Хэрэв эрдэмтэд уургийн яг хэлбэрийг мэдвэл тухайн уурагтай харилцан үйлчлэх эмийг илүү хурдан, илүү нарийн зохион бүтээх боломжтой болдог.

AlphaFold яагаад хувьсгал болсон бэ

Нэг уургийн бүтцийг тогтоох ажил сар, жилээр үргэлжилдэг байсан. Маш үнэтэй аргууд ашигладаг байсан: Рентген кристаллографи Крио-электрон микроскопи NMR спектроскопи Зарим уургийг огт тайлбарлах боломжгүй байв. AlphaFold нь эдгээрийг компьютерийн тооцооллоор маш өндөр нарийвчлалтай таамаглаж чадсан.

2020 онд энэ систем: олон улсын тэмцээнд бараг лабораторийн түвшний нарийвчлал үзүүлж, биологи ба хиймэл оюуны салбарт томоохон нээлт болсон.

Уургийн эвхэгдэлт яагаад чухал вэ

Уураг нь амин хүчлийн урт гинжээс бүтдэг:

Уургийн хэлбэр бага зэрэг өөрчлөгдөхөд ч өвчин үүсч болно:

Альцгеймер
Паркинсон
Цистик фиброз
Олон төрлийн хавдар
Вирусийн халдварууд

Иймээс уургийн бүтцийг ойлгох нь өвчний үндсэн механизмыг ойлгоход маш чухал.

AlphaFold яагаад ирээдүйн эм хөгжүүлэлтэд чухал вэ

1. Эмийн судалгааг хурдасгана Уламжлалт эм боловсруулах процесс:

10–15 жил үргэлжилдэг
Тэрбум тэрбумаар доллар шаарддаг

AlphaFold нь:

эмийн бай (drug target)-г хурдан олох уургийн загвар гаргах лабораторийн туршилтаас өмнө харилцан үйлчлэлийг тооцоолох боломж олгодог.

2. Хавдрын эмчилгээг сайжруулна Хавдар нь ихэвчлэн мутацид орсон уургуудтай холбоотой байдаг.

AlphaFold нь:

мутацийн нөлөөг шинжлэх нарийвчилсан эм боловсруулах өвчтөн тус бүрт тохирсон эмчилгээ боловсруулах ажлыг дэмждэг.

3. Цар тахлын үед хурдан хариу арга хэмжээ авах боломж үед эрдэмтэд вирусийн уургийг маш хурдан ойлгох шаардлагатай болсон.

AI суурьтай уураг таамаглах системүүд нь:

вакцины бай олох
вирусийн мутацийг судлах
вирусийн эсрэг эм хурдан боловсруулах
боломжийг нэмэгдүүлдэг.

4. Ховор өвчний судалгаанд тусална Олон ховор өвчин өмнө нь ойлгогдоогүй уургуудтай холбоотой байдаг.

AlphaFold:

бүтэц нь тодорхойгүй уургуудыг шинжлэх генетикийн өвчнийг судлах жижиг өвчтөнтэй өвчний эмчилгээ боловсруулах боломж олгодог.

5. Синтетик биологи ба био-инженерчлэл Ирээдүйд эрдэмтэд:

хиймэл фермент
инженерчлэгдсэн бактери
сайжруулсан ургамал
био түлш
байгаль цэвэрлэх организм зохион бүтээх боломжтой болно.

Эрүүл мэндийн шинжлэх ухаанд үзүүлэх нөлөө

Асар том биологийн мэдээллийн сан [AlphaFold Protein Structure Database|https://alphafold.ebi.ac.uk] нь олон зуун сая уургийн бүтцийн таамаглалыг агуулдаг.

Энэ нь биологийн “молекулын газрын зураг” гэсэн үг юм.

Шинжлэх ухааныг олон нийтэд хүртээмжтэй болгосон

Өмнө нь:

зөвхөн маш баян лабораториуд уургийн бүтэц судалж чаддаг байсан. Одоо:

жижиг их сургуулиуд
оюутнууд
биотехнологийн старт-апууд
хөгжиж буй орнууд ч өндөр түвшний судалгаа хийх боломжтой болсон.

AlphaFold-ийг хэн бүтээсэн бэ

Энэ системийг: Google DeepMind

болон: EMBL-EBI

хамтран боловсруулсан.

AlphaFold-ийг хэн ашиглаж болох вэ

Их сургуулийн судлаачид Ашиглах чиглэлүүд:

молекул биологи
генетик
эмийн судалгаа
өвчний механизм
Эмийн компаниуд

Томоохон эмийн компаниуд:

эмийн бай тодорхойлох
эсрэг бие инженерчлэх
шинэ молекул шалгах ажилд ашиглаж байна.

Жишээ: Pfizer болон Novartis

Биотехнологийн старт-апууд Жижиг компаниуд ч одоо том эмийн компаниудтай өрсөлдөх боломжтой болсон.

Оюутан ба хувь хүмүүс Нээлттэй хувилбарууд нь:

оюутан
бие даасан судлаач
багш нарт ашиглах боломжтой.

AlphaFold-ийг хэрхэн ашигладаг вэ

1-р арга — Вэб мэдээллийн сан ашиглах Хамгийн энгийн арга:

AlphaFold Database Search

сайтаас уургийг хайж үздэг.

2-р арга — Өөрийн GPU компьютер дээр ажиллуулах Судлаачид:

Linux workstation GPU сервер cloud AI систем дээр ажиллуулдаг.

Ихэвчлэн:

NVIDIA GPU их хэмжээний RAM bioinformatics программ шаардлагатай байдаг.

3-р арга — Cloud платформ ашиглах Cloud үйлчилгээ ашигласнаар өндөр хүчин чадалтай төхөөрөмжгүй лабораториуд ч ашиглах боломжтой.

AlphaFold-ийн хязгаарлалт

AlphaFold маш хүчирхэг боловч төгс биш.

Одоогийн хүндрэлүүд:

олон уургийн харилцан үйлчлэл
уургийн хөдөлгөөнт өөрчлөлт
эмийн молекулын нарийн холбоос
эсийн орчны нөлөө

Иймээс бодит лабораторийн туршилт одоо ч шаардлагатай хэвээр.

Ирээдүйн урт хугацааны нөлөө

Олон эрдэмтэд AI биологийн системүүд ирээдүйд:

өвчний эмчилгээг хурдан хөгжүүлэх
хүний эрүүл насжилтыг уртасгах
хувь хүнд тохирсон эмчилгээ бий болгох
хиймэл эд эрхтэн хөгжүүлэх
генийн эмчилгээг хурдасгах
эмийн үнийг бууруулах боломжтой гэж үзэж байна.

Зарим судлаачид AlphaFold-ийн ач холбогдлыг:

микроскопын нээлт Хүний геномын төсөл орчин үеийн компьютерийн хөгжил тэй адил хэмжээний шинжлэх ухааны хувьсгал гэж үздэг.