AlphaFold ופרס נובל 2024 — כשה-AI פתר חידה של 50 שנה בביולוגיה

במשך חמישה עשורים, אחת השאלות הגדולות והמתסכלות ביותר בביולוגיה המודרנית נותרה ללא פתרון מספק. חלבונים, אבני הבניין הבסיסיות של החיים, הם שרשראות של חומצות אמינו המתקפלות למבנים תלת-ממדיים מורכבים המכתיבים את תפקודם. בשנת 1972, במהלך הרצאת פרס הנובל שלו, הציב המדען Christian Anfinsen את האתגר הידוע כ"בעיית קיפול החלבונים" (protein folding problem). הוא טען כי "the native structure is determined only by the amino acid sequence" (המבנה הטבעי נקבע אך ורק על ידי רצף חומצות האמינו). אולם, הדרך לפענח כיצד הרצף החד-ממדי הופך למבנה תלת-ממדי נותרה תעלומה. ב-9 באוקטובר 2024, ההכרזה על פרס הנובל בכימיה סימנה את קץ העידן הזה, כאשר בינה מלאכותית פתרה את החידה ההיסטורית הזו ושינתה את פני המדע לנצח.

החידה הגדולה של הביולוגיה המודרנית

במשך 50 שנה, מדענים ניסו לפענח את מבני החלבונים באמצעות שיטות ניסיוניות יקרות ואיטיות להחריד, כמו קריסטלוגרפיה בקרני רנטגן (X-ray crystallography), שעלותה נאמדה בכ-100,000 דולר לכל מבנה, לצד שיטות כמו NMR ו-cryo-EM. עד שנת 2020, המאמץ המשותף של הקהילה המדעית העולמית הניב כ-170,000 מבני חלבונים בלבד שפוענחו באופן ניסיוני — זאת לעומת כ-200 מיליון רצפי חלבונים מוכרים למדע.

כדי לעודד פתרונות יצירתיים, הושקה בשנת 1994 תחרות ה-CASP (Critical Assessment of Structure Prediction), המתקיימת מדי שנתיים ונחשבת ל"אולימפיאדה" של חיזוי מבני חלבונים. במשך שנים ההתקדמות הייתה איטית, עד שהגיעה חברת DeepMind.

המהפכה של AlphaFold: מ-CASP13 לפתרון המלא

בדצמבר 2018, במסגרת תחרות CASP13, הציגה DeepMind לראשונה את AlphaFold 1, בהובלתו של John Jumper. המערכת, שהתבססה על רשתות קונבולוציה (CNNs) וחיזוי מרחקים, השיגה מדד GDT (Global Distance Test) של כ-58 על המטרות הקשות ביותר. זה היה ההישג הטוב ביותר בתחום באותה עת, אך עדיין לא היווה פריצת דרך משנה מציאות.

המהפך האמיתי התרחש בנובמבר 2020, בתחרות CASP14. הגרסה החדשה, AlphaFold 2, הדהימה את עולם המדע כשהשיגה ציון GDT של כ-92 במטרות הקשות ביותר של "free modeling" — כאשר ציון מעל 90 נחשב לשווה ערך לדיוק של ניסוי מעבדתי. הקבוצה שהגיעה למקום השני פיגרה מאחור בפער עצום של כ-36 נקודות. John Moult, ממארגני תחרות CASP, הכריז אז: "In some sense the problem is solved" (במובן מסוים, הבעיה נפתרה).

ב-15 ביולי 2021 פורסם המאמר ההיסטורי בכתב העת Nature תחת הכותרת "Highly accurate protein structure prediction with AlphaFold" (Jumper et al.). הארכיטקטורה החדשנית של AlphaFold 2 כללה את ה-Evoformer — מנגנון תשומת לב (attention) על יישורים מרובי רצפים (Multiple Sequence Alignments) המפיק הקשר אבולוציוני; ה-Structure module המפיק ישירות קואורדינטות אטומיות בתלת-ממד; מנגנון מיחזור (Recycling) המזין את פלט הרשת בחזרה כקלט; ואימון מקצה לקצה (End-to-end) עם פונקציות הפסד ייעודיות כמו distogram ומדד הביטחון pLDDT.

שחרור הקוד והמעבר לתכנון חלבונים מאפס

ביולי 2021, DeepMind קיבלה החלטה דרמטית ושחררה את קוד המקור של AlphaFold 2 ב-GitHub תחת רישיון חופשי (Apache 2.0). בשיתוף פעולה עם EMBL-EBI, הוקם מסד הנתונים AlphaFold Protein Structure Database. השחרור הראשוני כלל 350,000 מבנים של חלבונים אנושיים ושל 20 אורגניזמי מודל. עד יולי 2022, מסד הנתונים התרחב ל-200 מיליון מבנים חזויים — כמעט כל חלבון המוכר למדע. מסד הנתונים הפך לנחלת הכלל בחינם, ועד שנת 2024 צבר למעלה מ-1.5 מיליון משתמשים.

במקביל, במעבדתו של David Baker באוניברסיטת וושינגטון (University of Washington), פותח במאמץ עצמאי קוד פתוח דומה בשם RoseTTAFold, ששוחרר אף הוא ביולי 2021. Baker, שעסק בחיזוי מבני חלבונים מאז שנות ה-90 (בין היתר באמצעות תוכנת Rosetta שהורצה על מחשבי מתנדבים בפרויקט Rosetta@home), החליט להסיט את המיקוד של מעבדתו לתחום פורץ דרך עוד יותר: תכנון חלבונים (protein design) — יצירת חלבונים חדשים לחלוטין שאינם קיימים בטבע.

בין השנים 2022 ל-2024, פיתחה מעבדתו של Baker את RFdiffusion, גישה המבוססת על מודלי דיפוזיה (diffusion models) לתכנון חלבונים בעלי תפקוד מוגדר מראש, כגון קישור למטרות ספציפיות או פעילות אנזימטית. חלבונים מתוכננים אלו יוצרו ונבחנו במעבדות בהצלחה חסרת תקדים.

פרס נובל ההיסטורי של 2024 וההשפעה המדעית

ב-9 באוקטובר 2024, עשה עולם המדע היסטוריה. ועדת פרס הנובל הכריזה על הענקת פרס הנובל בכימיה לשנת 2024: חציו הוענק ל-David Baker "על תכנון חלבונים חישובי", וחציו השני הוענק במשותף ל-Demis Hassabis (מייסד ומנכ"ל DeepMind) ול-John Jumper (מוביל פרויקט AlphaFold) "על חיזוי מבנה חלבונים". היה זה פרס הנובל המדעי הראשון שבו בינה מלאכותית היוותה חלק מרכזי ובלתי נפרד מההישג המוכר. שעות ספורות קודם לכן באותו שבוע, הוענק פרס הנובל לפיזיקה ל-Geoffrey Hinton ו-John Hopfield על פיתוח רשתות קבילות. שני פרסי נובל הקשורים ל-AI בשבוע אחד היו אירוע חסר תקדים.

ההשפעה המדעית של פריצת הדרך הזו היא עצומה. מעל ל-30,000 מאמרים מדעיים ציטטו את AlphaFold עד שנת 2024. הטכנולוגיה משמשת לגילוי תרופות חדשות (בין היתר על ידי Isomorphic Labs, חברת בת של DeepMind), ובשנת 2023 היא סייעה באיתור מועמדים לאנטיביוטיקה חדשנית באמצעות למידת מכונה. בשנת 2024 עוצבו חלבונים מותאמים לחיסונים נגד וריאנטים חדשים של נגיף הקורונה, ונחקרו מבנים של חלבונים הקשורים למחלות כמו אלצהיימר וטפילי מלריה ברזולוציה חסרת תקדים.

במאי 2024, הציגה DeepMind את AlphaFold 3, שהרחיב את יכולות החיזוי מעבר לחלבונים גם ל-DNA, RNA, ליגנדים (מולקולות קטנות) ושינויים לאחר תרגום — כלי קריטי לתהליכי עגינה של תרופות (drug-target docking). המערכת הונגשה דרך שרת ייעודי (alphafoldserver.com) לשימוש אקדמי ללא עלות. עם זאת, שחרורו של AlphaFold 3 לווה בסערה מסוימת: בשונה מקודמו, הוא לא שוחרר בתחילה כקוד פתוח, מה שעורר התנגדות חריפה מצד הקהילה המדעית, ולמעלה מ-600 מדענים חתמו על מכתב פתוח בנושא. בעקבות הלחץ, התחייבה DeepMind לשחרר את קוד המקור עם הגבלות מסוימות בנובמבר 2024.

מדוע זהו רגע מכונן באנושות?

ההישג של AlphaFold ומחקריו של David Baker מדגימים כי בינה מלאכותית אינה רק כלי לשיפור תוכנה או אוטומציה של משימות יומיומיות, אלא מנוע שמאיץ את המדע הבסיסי עצמו בקצב חסר תקדים. שחרורם של מעל ל-200 מיליון מבנים חזויים לציבור מהווה "נכס ציבורי חופשי" (free public good) בקנה מידה וערך המשתווה לפרויקט הגנום האנושי. יתרה מכך, עבודתו של בייקר מוכיחה כי ה-AI מאפשר לנו כעת לא רק להבין את הביולוגיה הקיימת, אלא גם ליצור ביולוגיה חדשה לחלוטין לטובת האנושות.

מקורות

1. Highly accurate protein structure prediction with AlphaFold (Jumper et al., Nature 2021)
2. The Nobel Prize in Chemistry 2024
3. AlphaFold — DeepMind
4. AlphaFold — Wikipedia
5. AlphaFold Protein Structure Database