Isomorphic Labs บริษัทลูกด้านการค้นพบยาด้วย AI ของ Alphabet อ้างความก้าวหน้าอย่างก้าวกระโดดเหนือ AlphaFold 3
Isomorphic Labs บริษัทสปินออฟด้านชีววิทยาคอมพิวเตอร์ (computational biology) ของ Alphabet ซึ่งก่อตั้งโดย ดร.เดมิส ฮัสซาบิส (Demis Hassabis) ผู้ร่วมก่อตั้ง DeepMind ได้ประกาศเปิดตัวโมเดลปัญญาประดิษฐ์ (AI) ชุดใหม่ที่ชื่อว่า MiG (Molecular Interaction Generator?) โดยอ้างว่ามีประสิทธิภาพเหนือกว่า AlphaFold 3 ของ DeepMind อย่างมีนัยสำคัญ ซึ่งถือเป็นก้าวกระโดดครั้งใหญ่ในวงการค้นพบยาและการออกแบบโมเลกุล
โมเดล MiG ประกอบด้วยสามขนาดหลัก ได้แก่ MiG-25 ที่มีพารามิเตอร์ 1.5 พันล้านตัว MiG-40 ที่มี 4 พันล้านตัว และ MiG-70 ที่มี 7 พันล้านตัว โมเดลเหล่านี้ถูกฝึกฝนด้วยชุดข้อมูลขนาดมหาศาล ซึ่งใหญ่กว่า AlphaFold 3 ถึง 10 เท่า โดยครอบคลุมข้อมูลโปรตีนมากกว่า 1 พันล้านตัวอย่าง และข้อมูลโมเลกุลขนาดเล็ก (small molecules) กว่า 500 ล้านตัวอย่าง การฝึกฝนนี้ใช้โครงสร้างแบบมัลติโมดัล (multi-modal) ที่รวมข้อมูลหลากหลายรูปแบบ เช่น โครงสร้างโปรตีน การโต้ตอบระหว่างโปรตีนกับลิแกนด์ (protein-ligand interactions) และข้อมูลทางชีวเคมีอื่นๆ
ตามการทดสอบบนบ enchmarks มาตรฐาน เช่น CASP15 (Critical Assessment of Structure Prediction) และ PoseBusters โมเดล MiG แสดงผลงานที่เหนือกว่า AlphaFold 3 อย่างชัดเจน โดย MiG-70 ทำคะแนนสูงกว่าถึง 40-60% ในด้านการทำนายโครงสร้างโปรตีนคอมเพล็กซ์ (protein complexes) และการจับคู่ลิแกนด์ที่แม่นยำยิ่งขึ้น นอกจากนี้ ยังมีประสิทธิภาพดีกว่าในงานทำนายการโต้ตอบระหว่างโปรตีนกับ DNA/RNA และโมเลกุลสังเคราะห์ ซึ่งเป็นจุดอ่อนของ AlphaFold 3 ที่มุ่งเน้นไปที่โครงสร้างโปรตีนเดี่ยวเป็นหลัก
ดร.ฮัสซาบิส ในฐานะ CEO ของ Isomorphic Labs ระบุว่า “นี่คือก้าวกระโดดที่แท้จริงเหนือ AlphaFold 3” โดยโมเดล MiG ไม่เพียงทำนายโครงสร้างได้แม่นยำ แต่ยังสามารถจำลองปฏิกิริยาเคมีและการจับคู่โมเลกุลในระดับอะตอมได้ละเอียดยิ่งขึ้น ซึ่งจะเร่งกระบวนการค้นพบยาให้เร็วขึ้นหลายเท่า จากเดิมที่ใช้เวลาหลายปีในการทดลองในห้องปฏิบัติการ ปัจจุบันสามารถจำลองและคัดกรองโมเลกุลผู้มุ่งหวัง (lead compounds) ได้ในเวลาอันสั้น
Isomorphic Labs ก่อตั้งขึ้นในปี 2021 เพื่อนำเทคโนโลยี AI จาก DeepMind มาประยุกต์ใช้ในอุตสาหกรรมเภสัชกรรม โดยบริษัทมีพันธมิตรหลักสองราย ได้แก่ Eli Lilly และ Novartis ซึ่งเซ็นสัญญามูลค่ากว่า 3 พันล้านดอลลาร์สหรัฐสำหรับการพัฒนายาใหม่ ปัจจุบัน Isomorphic กำลังสร้าง pipeline การค้นพบยาของตัวเอง โดยใช้โมเดล MiG เป็นแกนหลักในการออกแบบยาสำหรับโรคเรื้อรัง เช่น มะเร็ง เบาหวาน และโรคระบบประสาท
จุดเด่นสำคัญของ MiG คือความสามารถในการจัดการกับ “multi-state conformations” หรือโครงสร้างโปรตีนที่เปลี่ยนแปลงตามสภาวะต่างๆ ซึ่งเป็นความท้าทายใหญ่ในวงการชีววิทยาโครงสร้าง แตกต่างจาก AlphaFold 3 ที่เก่งในโครงสร้างคงที่ MiG สามารถทำนายสถานะการทำงานของโปรตีนในเซลล์จริงได้ดีกว่า นอกจากนี้ โมเดลยังรองรับการขยายขนาด (scalability) สูง โดย MiG-70 สามารถประมวลผลบนคลัสเตอร์ GPU ขนาดใหญ่ได้อย่างมีประสิทธิภาพ
อย่างไรก็ตาม Isomorphic Labs ไม่ได้เปิดเผยโมเดล MiG แบบโอเพ่นซอร์ส (open-source) ต่างจาก AlphaFold ซึ่งเผยแพร่ฟรีเพื่อประโยชน์สาธารณะ บริษัทเลือกใช้กลยุทธ์ proprietary เพื่อรักษาความได้เปรียบทางการแข่งขัน โดยจำกัดการเข้าถึงให้กับพันธมิตรทางธุรกิจเท่านั้น การตัดสินใจนี้สอดคล้องกับวิสัยทัศน์ของ Alphabet ที่มุ่งเน้นการสร้างรายได้จากเทคโนโลยี AI ในภาคส่วนที่มีมูลค่าสูงอย่างเภสัชกรรม ซึ่งตลาดคาดการณ์ว่าจะมีมูลค่ากว่า 1 ล้านล้านดอลลาร์ภายในปี 2030
นักวิเคราะห์ในอุตสาหกรรมมองว่า การประกาศครั้งนี้ของ Isomorphic Labs เป็นสัญญาณบวกต่อ Alphabet ท่ามกลางการแข่งขันดุเดือดจากบริษัทอย่าง Recursion Pharmaceuticals, Insilico Medicine และ Exscientia ที่ใช้ AI ค้นพบยาเช่นกัน หาก MiG สามารถนำไปสู่ยาที่ผ่านการทดสอบทางคลินิกได้จริง จะเป็นการพิสูจน์ความสามารถของ AI ในการปฏิวัติอุตสาหกรรมยา ซึ่งปัจจุบันใช้เวลาพัฒนายาใหม่เฉลี่ย 10-15 ปีและต้นทุนกว่า 2 พันล้านดอลลาร์ต่อตัว
ในอนาคต Isomorphic Labs วางแผนขยายโมเดล MiG ให้ครอบคลุมการทำนายพิษวิทยา (toxicology) และเภสัชจลนศาสตร์ (pharmacokinetics) เพื่อสร้างแพลตฟอร์มครบวงจรสำหรับการพัฒนายา นอกจากนี้ ยังมุ่งเน้นการบูรณาการกับข้อมูลจริงจากห้องปฏิบัติการ เพื่อปรับปรุงความแม่นยำให้ใกล้เคียงกับการทดลองจริงยิ่งขึ้น
การพัฒนานี้ไม่เพียงยกระดับขีดความสามารถของ Alphabet ในฐานะผู้นำด้าน AI แต่ยังเปิดโอกาสให้อุตสาหกรรมเภสัชกรรมเข้าถึงเครื่องมือที่ทรงพลังในการแก้ปัญหาโรคยากรักษา สร้างความหวังใหม่ให้กับผู้ป่วยทั่วโลก
(จำนวนคำประมาณ 720 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)