OpenAI ได้พัฒนาโมเดล AI ร่วมกับ Retro Biosciences เพื่อจัดการกับความไร้ประสิทธิภาพในกระบวนการตั้งโปรแกรมเซลล์ผู้ใหญ่ใหม่ให้เป็นสเต็มเซลล์
ผลลัพธ์เบื้องต้นจากการทดสอบในห้องปฏิบัติการระบุว่าแบบจำลองซึ่งมีชื่อว่า GPT-4b Micro สามารถปรับปรุงประสิทธิภาพของปัจจัย Yamanaka ซึ่งเป็นโปรตีนที่สำคัญต่อการสร้างเซลล์ต้นกำเนิดได้มากกว่า 50 เท่า รายงาน เทคโนโลยี MIT รีวิว.
แม้ว่าจะไม่ได้ประกาศอย่างเป็นทางการ แต่โครงการนี้แสดงให้เห็นถึงก้าวสำคัญขั้นแรกของ OpenAI ในการวิจัยทางชีววิทยา ซึ่งนำเสนอความเป็นไปได้ใหม่ๆ ในเวชศาสตร์ฟื้นฟู
ความร่วมมือเริ่มต้นเมื่อประมาณหนึ่งปีที่แล้ว เมื่อ Retro Biosciences เข้าหา OpenAI บริษัทสตาร์ทอัพซึ่งมีฐานอยู่ในซานฟรานซิสโก มุ่งเน้นไปที่การยืดอายุขัยของมนุษย์ออกไปอีกหนึ่งทศวรรษผ่านความก้าวหน้าในการเขียนโปรแกรมเซลล์ใหม่
ที่เกี่ยวข้อง: Google DeepMind Open-Sources AlphaFold 3 ถึงนักวิจัย
“เราโยนโมเดลนี้เข้าไปในแล็บทันที และเราได้ผลลัพธ์ในโลกแห่งความเป็นจริง”Joe Betts-Lacroix ซีอีโอของ Retro Biosciences กล่าวในการอภิปรายที่รายงานโดย MIT Technology Review
ความไร้ประสิทธิภาพของวิธีการในปัจจุบัน ซึ่งมีการตั้งโปรแกรมเซลล์ใหม่ได้สำเร็จน้อยกว่า 1% ความพยายามหลายสัปดาห์เป็นแรงจูงใจหลักสำหรับความร่วมมือครั้งนี้ ศักยภาพในการปรับปรุงผลลัพธ์เหล่านี้สามารถเร่งการพัฒนาวิธีการรักษาที่มุ่งเป้าไปที่โรคที่เกี่ยวข้องกับอายุและการสร้างเนื้อเยื่อใหม่
วิทยาศาสตร์เบื้องหลังปัจจัยของยามานากะและพวกมัน ความท้าทาย
ปัจจัยของ Yamanaka ตั้งชื่อตามผู้ได้รับรางวัลโนเบล Shinya Yamanaka เป็นโปรตีนที่สามารถกระตุ้นให้เซลล์ที่โตเต็มวัยกลับไปสู่สภาวะที่มีพลูริโพเทนต์ ทำให้พวกมันสามารถแปลงร่างเป็นเซลล์ประเภทใดก็ได้
กระบวนการตั้งโปรแกรมใหม่นี้เป็นรากฐานของความก้าวหน้าในด้านเวชศาสตร์ฟื้นฟู จากการสร้างเนื้อเยื่อทดแทน เพื่อให้สามารถฟื้นฟูอวัยวะได้ แม้จะมีสัญญาไว้ แต่กระบวนการยังคงไม่มีประสิทธิภาพ ช้า และใช้ทรัพยากรมาก
GPT-4b Micro ของ OpenAI ได้รับการฝึกอบรมเพื่อเพิ่มประสิทธิภาพการทำงานของโปรตีนเหล่านี้ แบบจำลองนี้เสนอการเปลี่ยนแปลงกรดอะมิโนจำนวนมากเพื่อปรับปรุงการทำงานของโปรตีนด้วยการวิเคราะห์ลำดับโปรตีนและข้อมูลปฏิสัมพันธ์ระหว่างสปีชีส์
“โดยทั่วๆ ไป โปรตีนเหล่านี้ดูดีกว่าสิ่งที่นักวิทยาศาสตร์สามารถผลิตได้ด้วยตัวเอง”John Hallman นักวิจัย OpenAI กล่าว การเพิ่มประสิทธิภาพในระดับนี้ ซึ่งมากถึงหนึ่งในสามของโปรตีน กรดอะมิโนอาจถูกดัดแปลง ซึ่งอยู่นอกเหนือการเข้าถึงของวิธีการแบบเดิมๆ ซึ่งต้องอาศัยการทดลองแบบลองผิดลองถูกในห้องปฏิบัติการ
การประยุกต์ใช้ AI ที่เป็นเอกลักษณ์ในเทคโนโลยีชีวภาพ
GPT-4b Micro นำเสนอแนวทางที่แตกต่างสำหรับเทคโนโลยีชีวภาพที่ขับเคลื่อนด้วย AI ในขณะที่ AlphaFold ของ Google DeepMind มุ่งเน้นไปที่การทำนายโครงสร้างโปรตีน 3 มิติ ซึ่งช่วยให้นักวิจัยเข้าใจปฏิสัมพันธ์ของโมเลกุล GPT-4b Micro ได้รับการออกแบบมาเพื่อปรับปรุงการทำงานของโปรตีน
ความแตกต่างนี้เน้นย้ำถึงบทบาทเสริมที่เครื่องมือ AI เหล่านี้มีต่อการจัดการกับความท้าทายในการวิจัยทางชีววิทยา
“แนวคิดของแบบจำลองนี้ดีอย่างผิดปกติ ซึ่งนำไปสู่การปรับปรุงมากกว่าแบบเดิม ยามานากะคำนึงถึงกรณีส่วนใหญ่” เบตต์-ลาครัวซ์อธิบาย
เพื่อให้บรรลุผลลัพธ์เหล่านี้ นักวิจัยของ OpenAI ใช้เทคนิคการเรียนรู้แบบ”ไม่กี่ขั้นตอน”โดยที่ระบบ AI จะได้รับคำแนะนำด้วยตัวอย่างจำนวนเล็กน้อยก่อนที่จะสร้างการออกแบบที่ปรับให้เหมาะสม วิธีนี้ช่วยให้สามารถปรับให้เข้ากับปัญหาเฉพาะด้านได้อย่างรวดเร็ว เช่น การออกแบบโปรตีนใหม่เพื่อประสิทธิภาพที่ดีขึ้น
ความร่วมมือกับ Retro Biosciences และการพิจารณาด้านจริยธรรม
Retro Biosciences ก่อตั้งขึ้นในปี 2021 โดยมุ่งเน้นที่ เกี่ยวกับความก้าวหน้าของการบำบัดด้วยเซลล์และเทคนิคการเขียนโปรแกรมใหม่ ซึ่งเป็นส่วนหนึ่งของภารกิจในการยืดอายุขัยของมนุษย์
Sam Altman ซีอีโอของ OpenAI ผู้ให้การสนับสนุนการค้นพบทางวิทยาศาสตร์ที่ขับเคลื่อนด้วย AI ได้ลงทุนเป็นการส่วนตัวใน Retro มูลค่า 180 ล้านดอลลาร์ เพื่อตอกย้ำความเชื่อของเขาใน ศักยภาพของความร่วมมือดังกล่าว
อัลท์แมนเคยกล่าวไว้ว่า “เครื่องมือที่ชาญฉลาดสามารถเร่งการค้นพบทางวิทยาศาสตร์และนวัตกรรมได้อย่างมหาศาลเกินกว่าที่เราสามารถทำได้บนเครื่องของเรา ของตัวเอง”
แม้ว่า OpenAI และ Retro Biosciences จะไม่มีธุรกรรมทางการเงินเกิดขึ้นในการเป็นหุ้นส่วนครั้งนี้ แต่บทบาทสองประการของ Altman ในฐานะนักลงทุนและซีอีโอก็ได้รับการตรวจสอบอย่างละเอียด OpenAI ชี้แจงว่า Altman ไม่ได้เกี่ยวข้องโดยตรงกับการพัฒนา GPT-4b Micro โดยเน้นที่การมุ่งเน้นของโครงการไปที่การพัฒนาความรู้ทางวิทยาศาสตร์ แทนที่จะสอดคล้องกับความสนใจทางการค้าโดยเฉพาะใดๆ
ความโปร่งใสนี้มีความสำคัญอย่างยิ่ง เนื่องจาก OpenAI มีบทบาทที่เพิ่มมากขึ้นในสาขาต่างๆ นอกเหนือจาก AI วัตถุประสงค์ทั่วไป
ผลกระทบสำหรับเวชศาสตร์ฟื้นฟู
ความก้าวหน้าที่เกิดขึ้นจาก GPT-4b Micro มีศักยภาพในการจัดการกับความท้าทายที่เร่งด่วนที่สุดในด้านเวชศาสตร์ฟื้นฟู ปัจจัยยามานากะที่ได้รับการปรับปรุงสามารถปูทางไปสู่การฟื้นฟูอวัยวะที่มีประสิทธิภาพมากขึ้น การบำบัดเซลล์เฉพาะบุคคล และการพัฒนาเนื้อเยื่อเทียม
Vadim Gladyshev นักวิจัยด้านวัยของมหาวิทยาลัยฮาร์วาร์ด ที่ปรึกษาของ Retro Biosciences เน้นย้ำถึงความหมายที่กว้างกว่า:”[เซลล์ผิวหนัง] สามารถโปรแกรมใหม่ได้ง่าย แต่เซลล์อื่นไม่ทำ”เขากล่าว”และการทำเช่นนั้น ในสายพันธุ์ใหม่ ซึ่งมักจะแตกต่างอย่างมาก และคุณจะไม่ได้รับอะไรเลย”
OpenAI และ Retro Biosciences วางแผนที่จะเผยแพร่ผลการวิจัยในวารสารที่ได้รับการตรวจสอบโดยผู้ทรงคุณวุฒิ ให้โอกาสชุมชนวิทยาศาสตร์ในการตรวจสอบและต่อยอดงานวิจัยนี้ แม้ว่าปัจจุบัน GPT-4b Micro อยู่ระหว่างการสาธิตการวิจัยและไม่สามารถใช้ได้ในเชิงพาณิชย์ แต่ผลลัพธ์ที่ได้เน้นย้ำถึงศักยภาพในการเปลี่ยนแปลงของแนวทางที่ขับเคลื่อนด้วย AI ในด้านเทคโนโลยีชีวภาพ
AlphaFold และบทบาทของ AI ในการค้นพบทางวิทยาศาสตร์
งานของ OpenAI เกี่ยวกับ GPT-4b Micro ช่วยเสริมความก้าวหน้าล่าสุดในด้านชีววิทยาที่ขับเคลื่อนด้วย AI เช่น AlphaFold 3 ของ DeepMind ซึ่งเพิ่งเป็นโอเพ่นซอร์สสำหรับ การวิจัยที่ไม่ใช่เชิงพาณิชย์
AlphaFold ได้ปฏิวัติชีววิทยาเชิงโครงสร้างโดยการทำนายรูปร่างของโปรตีนอย่างแม่นยำ ทำให้เกิดความก้าวหน้าในการค้นคว้ายาและการวิจัยโรค ในทางตรงกันข้าม GPT-4b Micro มุ่งเน้นไปที่การปรับการทำงานให้เหมาะสมที่สุด โดยจัดการกับความไร้ประสิทธิภาพที่เป็นอุปสรรคต่อการประยุกต์ใช้การเขียนโปรแกรมโปรตีนใหม่ในทางปฏิบัติ
