AlphaFold ការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីន និងការប្រណាំងស្វែងរកឱសថថ្មីតាមរយៈបញ្ញាសិប្បនិម្មិត
គួរដឹង · បច្ចេកវិទ្យា-ជីវវិទ្យាគណនា (AI & Computational Biology)
⚡ សង្ខេបក្នុង ៣០ វិនាទី
ចាប់តាំងពីក្រុមហ៊ុន DeepMind (Alphabet) បង្ហាញលទ្ធផលព្យាករណ៍រចនាសម្ព័ន្ធប្រូតេអ៊ីនរបស់ម៉ូដែល AlphaFold2 នៅការប្រកួត CASP14 ឆ្នាំ២០២០ ឧស្សាហកម្មឱសថសាស្ត្រពិភពលោកបានប្រណាំងគ្នាវិនិយោគលើបញ្ញាសិប្បនិម្មិត ដើម្បីពន្លឿនការស្វែងរកឱសថថ្មី។ ជោគជ័យនេះទទួលការទទួលស្គាល់ជាផ្លូវការតាមរង្វាន់ណូបែលគីមីវិទ្យាឆ្នាំ២០២៤ ប៉ុន្តែសំណួរដែលនៅតែមានជម្លោះគឺ៖ តើសមត្ថភាពទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនកម្រិតខ្ពស់នេះ ពិតជាកាត់បន្ថយពេលវេលា និងចំណាយក្នុងការនាំឱសថពីមន្ទីរពិសោធន៍ទៅដល់អ្នកជំងឺដែរឬទេ។ អត្ថបទនេះពន្យល់ពីវិទ្យាសាស្ត្រនៅពីក្រោយ AlphaFold ក្រុមហ៊ុននិងមន្ទីរពិសោធន៍ចម្បងៗ (Isomorphic Labs, Insilico Medicine, Recursion Pharmaceuticals) កិច្ចសហការជាមួយឱសថធំៗ និងស្ថានភាពជាក់ស្តែងនៃឱសថដែល AI រកឃើញ ដែលបានឈានដល់ការសាកល្បងលើមនុស្សពិតប្រាកដ ធៀបនឹងអះអាងនៅឡើយក្នុងកម្រិតគណនា—មិនមែនរាយការណ៍អំពីបច្ចេកទេសសំយោគគីមី ឬដំណើរការមន្ទីរពិសោធន៍ជាក់ស្តែងនោះទេ។
០១ហេតុអ្វី AI ក្លាយជាឧបករណ៍ស្នូលក្នុងឧស្សាហកម្មឱសថ
ការអភិវឌ្ឍឱសថថ្មីមួយមុខតាមវិធីបុរាណ ចាប់ពីការកំណត់គោលដៅជីវសាស្ត្រ រហូតដល់ការអនុម័តពីទីភ្នាក់ងារបទប្បញ្ញត្តិ ជាធម្មតាចំណាយពេលដប់ទៅដប់ប្រាំឆ្នាំ ហើយអត្រាបរាជ័យក្នុងដំណាក់កាលសាកល្បងលើមនុស្សនៅតែខ្ពស់ជាង៩០%។ ផ្នែកមួយដ៏ចោទសួរអស់រយៈពេលជាច្រើនទស្សវត្សរ៍គឺ «បញ្ហារបត់ប្រូតេអ៊ីន» (protein folding problem)៖ ប្រូតេអ៊ីនគឺជាខ្សែសង្វាក់អាស៊ីតអាមីណូ ដែលបត់ទៅជារូបរាងបីវិមាត្រស្មុគស្មាញ កំណត់មុខងាររបស់វា ប៉ុន្តែការទស្សន៍ទាយរូបរាងនោះពីលំដាប់អាស៊ីតអាមីណូតែម្នាក់ឯង ដោយមិនចាំបាច់ធ្វើពិសោធន៍ ជាបញ្ហាដែលអ្នកវិទ្យាសាស្ត្រមិនអាចដោះស្រាយបានពេញលេញអស់រយៈពេលជាង៥០ឆ្នាំ។
ការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនមានសារៈសំខាន់ចំពោះការរកឱសថ ព្រោះឱសថភាគច្រើនធ្វើការដោយភ្ជាប់ជាមួយប្រូតេអ៊ីនគោលដៅជាក់លាក់ (ដូចជាអង់ស៊ីម ឬអ្នកទទួល)។ ប្រសិនបើដឹងរូបរាងបីវិមាត្ររបស់ប្រូតេអ៊ីនគោលដៅ អ្នកស្រាវជ្រាវអាចប្រើកុំព្យូទ័រព្យាករណ៍ថាតើម៉ូលេគុលឱសថណាមួយអាចភ្ជាប់បានល្អ មុននឹងចំណាយថវិកា និងពេលវេលាធ្វើពិសោធន៍ជាក់ស្តែង។ នេះជាមូលហេតុដែលការជម្នះបញ្ហារបត់ប្រូតេអ៊ីនត្រូវបានចាត់ទុកថាជាមូលដ្ឋានគ្រឹះមួយ សម្រាប់ការអភិវឌ្ឍឧស្សាហកម្ម AI-ដឹកនាំរកឱសថទាំងមូល—ខុសពីការកែប្រែហ្សែន ឬបច្ចេកទេស mRNA ដែលជាប្រធានបទឯករាជ្យផ្សេងទៀត។
| បញ្ហារបត់ប្រូតេអ៊ីន | ចោទសួរអស់ជាង៥០ឆ្នាំ រហូតដល់ AlphaFold2 បង្ហាញលទ្ធផលនៅ CASP14 ឆ្នាំ២០២០ |
| រង្វាន់ណូបែលគីមីវិទ្យា | ឆ្នាំ២០២៤ ប្រគល់ជូន David Baker, Demis Hassabis និង John Jumper ចំពោះការទស្សន៍ទាយ និងរចនាប្រូតេអ៊ីនតាមកុំព្យូទ័រ |
| មូលដ្ឋានទិន្នន័យ AlphaFold DB | ចែករំលែករចនាសម្ព័ន្ធប្រូតេអ៊ីនព្យាករណ៍ជាង២០០លាន ដោយឥតគិតថ្លៃដល់អ្នកស្រាវជ្រាវទូទាំងពិភពលោក |
| ការអនុម័តពេញលេញ | គិតត្រឹមពេលបោះពុម្ពអត្ថបទនេះ គ្មានឱសថដែល AI រកឃើញ ឬរចនាណាមួយត្រូវបានទីភ្នាក់ងារបទប្បញ្ញត្តិសំខាន់ណាមួយអនុម័តពេញលេញនោះទេ |
០២AlphaFold ជម្នះបញ្ហា៥០ឆ្នាំ និងរង្វាន់ណូបែល ២០២៤
ចាប់តាំងពីឆ្នាំ១៩៩៤ អ្នកវិទ្យាសាស្ត្រ John Moult បានបង្កើតការប្រកួតអន្តរជាតិ CASP (Critical Assessment of protein Structure Prediction) ជាការវាយតម្លៃពិការភ្នែក (blind test) ពីរឆ្នាំម្តង ដើម្បីប្រៀបធៀបភាពត្រឹមត្រូវនៃវិធីទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនផ្សេងៗ ធៀបនឹងរចនាសម្ព័ន្ធពិតដែលរកឃើញដោយពិសោធន៍ (គ្រីស្តាឡូក្រាហ្វីកាំរស្មីអ៊ិច ឬម៉ៃក្រូទស្សន៍អេឡិចត្រុងត្រជាក់)។ ឆ្នាំ២០២០ នៅ CASP14 ក្រុមហ៊ុន DeepMind (កម្មសិទ្ធិ Alphabet) បង្ហាញលទ្ធផលរបស់ម៉ូដែល AlphaFold2 ដែលសម្រេចបាន GDT score មធ្យម៩២,៤ លើគោលដៅសាកល្បងទាំងអស់ — កំហុសព្យាករណ៍ជាមធ្យមត្រឹមតែប្រមាណ១,៦ Angstrom ស្មើនឹងទទឹងអាតូមមួយ។ លោក Moult ថ្លែងថា «យើងជាប់គាំងលើបញ្ហានេះអស់ជិត៥០ឆ្នាំ» ខណៈអ្នកវិទ្យាសាស្ត្រណូបែល Venki Ramakrishnan ហៅវាថា «ជាការឈានទៅមុខគួរឲ្យភ្ញាក់ផ្អើលលើបញ្ហាប្រឈម៥០ឆ្នាំក្នុងជីវវិទ្យា»។
១៩៩៤ — CASP បង្កើតឡើង — ការប្រកួតវាយតម្លៃពិការភ្នែកលើវិធីទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីន ដឹកនាំដោយ John Moult
២០២០ — AlphaFold2 នៅ CASP14 — GDT score មធ្យម៩២,៤ ត្រូវបានប្រកាសថាដោះស្រាយបញ្ហារបត់ប្រូតេអ៊ីនក្នុងកម្រិតដ៏សំខាន់មួយ
កក្កដា ២០២២ — AlphaFold DB ចេញផ្សាយសាធារណៈ — DeepMind និង EMBL-EBI ចេញផ្សាយរចនាសម្ព័ន្ធព្យាករណ៍ជាង២០០លាន គ្របដណ្តប់ស្ទើរតែគ្រប់ប្រូតេអ៊ីនដែលវិទ្យាសាស្ត្ររកឃើញ
ឧសភា ២០២៤ — AlphaFold3 ចេញផ្សាយ — ពង្រីកសមត្ថភាពទស្សន៍ទាយអន្តរកម្មប្រូតេអ៊ីនជាមួយម៉ូលេគុលឱសថ DNA និង RNA ប៉ុន្តែដំបូងបានផ្តល់ចូលដំណើរការមានកម្រិត ធ្វើឲ្យអ្នកស្រាវជ្រាវឯករាជ្យមួយចំនួនរិះគន់
៩ តុលា ២០២៤ — រង្វាន់ណូបែលគីមីវិទ្យា — ពាក់កណ្តាលមួយប្រគល់ជូន David Baker (សម្រាប់ការរចនាប្រូតេអ៊ីនតាមកុំព្យូទ័រ) ពាក់កណ្តាលមួយទៀតរួមគ្នាជូន Demis Hassabis និង John Jumper (សម្រាប់ការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីន)
០៣របៀបដែល AI ព្យាករណ៍រចនាសម្ព័ន្ធ និងអន្តរកម្មឱសថ
ចាំបាច់ត្រូវបញ្ជាក់ថា AI ក្នុងវិស័យនេះមានពីរប្រភេទសំខាន់ ដែលធ្វើការខុសគ្នា។ ប្រភេទទីមួយគឺម៉ូដែលទស្សន៍ទាយរចនាសម្ព័ន្ធ (ដូចជា AlphaFold) ដែលបានបណ្តុះបណ្តាលលើទិន្នន័យរចនាសម្ព័ន្ធប្រូតេអ៊ីនប្រមាណជាង២០ម៉ឺនដែលធ្លាប់ត្រូវបានកំណត់ដោយពិសោធន៍ (រក្សាទុកនៅ Protein Data Bank) ដើម្បីរៀនទំនាក់ទំនងរវាងលំដាប់អាស៊ីតអាមីណូ និងរូបរាងបត់បន្តោង។ នៅពេលទទួលលំដាប់ថ្មីមួយ ម៉ូដែលព្យាករណ៍រូបរាងបីវិមាត្រដែលទំនងជាមានលទ្ធភាពខ្ពស់បំផុត—ជាការសន្និដ្ឋានតាមស្ថិតិ មិនមែនការវាស់វែងផ្ទាល់ទេ។
ប្រភេទទីពីរគឺម៉ូដែល AI ជនិតសំយោគ (generative AI) សម្រាប់ការចម្រាញ់និម្មិត (virtual screening) និងរចនាម៉ូលេគុលថ្មី។ ជំនួសឲ្យការសាកល្បងសមាសធាតុគីមីរាប់លានក្នុងមន្ទីរពិសោធន៍ដោយផ្ទាល់ ក្រុមហ៊ុនប្រើកុំព្យូទ័រព្យាករណ៍ថាតើម៉ូលេគុលមួយណាមានទំនោរភ្ជាប់ជាមួយប្រូតេអ៊ីនគោលដៅបានល្អ ព្រមទាំងលក្ខណៈសម្បត្តិផ្សេងទៀត (ការរលាយ ភាពមិនពុល) មុននឹងជ្រើសរើសបេក្ខភាពមួយចំនួនតូចសម្រាប់សាកល្បងជាក់ស្តែងក្នុងមន្ទីរពិសោធន៍។ ដំណើរការនេះហៅថា «ការគណនាមុនពិសោធន៍» (in silico screening)—ជំហានចម្រាញ់ ជំនួយសម្រេចចិត្ត មិនមែនជំនួសការធ្វើពិសោធន៍ ឬការសាកល្បងលើមនុស្សនោះទេ។
អ្វីដែល AI បានបង្ហាញឲ្យឃើញជាក់ស្តែង
- ព្យាករណ៍រូបរាងបីវិមាត្ររបស់ប្រូតេអ៊ីនភាគច្រើនក្នុងភាពត្រឹមត្រូវជិតកម្រិតពិសោធន៍
- ចម្រាញ់ម៉ូលេគុលរាប់លានក្នុងកុំព្យូទ័រឲ្យនៅសល់តែបេក្ខភាពពីរបីសិបសម្រាប់ពិសោធន៍
- ពន្លឿនការកំណត់អត្តសញ្ញាណគោលដៅជីវសាស្ត្រថ្មីៗសម្រាប់ជំងឺពិបាកព្យាបាល
អ្វីដែល AI នៅមិនទាន់ធ្វើបាន
- មិនអាចជំនួសការសាកល្បងសុវត្ថិភាព និងប្រសិទ្ធភាពលើមនុស្សបានទេ
- ការព្យាករណ៍រូបរាងឋិតិវន្តមួយ មិនតែងតែឆ្លុះបញ្ចាំងចលនា ឬការផ្លាស់ប្តូររចនាសម្ព័ន្ធតាមបរិបទជីវសាស្ត្រពិតទេ
- ម៉ូដែលជនិតសំយោគអាចផ្តល់អនុសាសន៍ម៉ូលេគុលដែលពិបាក ឬមិនអាចផលិតបានផងដែរ
០៤Isomorphic Labs និងកិច្ចសហការជាមួយឱសថធំៗ
Isomorphic Labs ជាក្រុមហ៊ុនបំបែកចេញពី DeepMind ដឹកនាំដោយ Demis Hassabis ជាមេធាវីប្រតិបត្តិ បង្កើតឡើងឆ្នាំ២០២១ ជាកម្មសិទ្ធិ Alphabet ដោយប្រើគ្រួសារម៉ូដែល AlphaFold ជាមូលដ្ឋានក្នុងការរចនាឱសថ។ ខែមករា ២០២៤ ក្រុមហ៊ុនប្រកាសកិច្ចសហការស្រាវជ្រាវពហុគោលដៅពីរដាច់ដោយឡែកគ្នា ជាមួយក្រុមហ៊ុនឱសថធំៗ៖ Eli Lilly (ថ្លៃដំបូង $៤៥ លាន ជាមួយសក្តានុពលទទួលបានលើសពី $១,៧ ពាន់លានតាមចំណុចសម្រេច) និង Novartis (ថ្លៃដំបូង $៣៧,៥ លាន សក្តានុពលរហូតដល់ $១,២ ពាន់លាន សម្រាប់គោលដៅចំនួន៣) — សរុបជិត $៣ ពាន់លាន តាមរបាយការណ៍ព័ត៌មានឧស្សាហកម្ម។
| Eli Lilly (មករា ២០២៤) | ថ្លៃដំបូង $៤៥ លាន · សក្តានុពលរហូតដល់ $១,៧ ពាន់លាន · គោលដៅឱសថម៉ូលេគុលតូចមិនបញ្ចេញឈ្មោះ |
| Novartis (មករា ២០២៤) | ថ្លៃដំបូង $៣៧,៥ លាន · សក្តានុពលរហូតដល់ $១,២ ពាន់លាន · គោលដៅចំនួន៣ មិនបញ្ចេញឈ្មោះ |
| ការវិនិយោគបន្ថែម | ខែមេសា ២០២៥ ប្រកាសប្រមូលទុនប្រមាណ $៦០០ លាន តាមរបាយការណ៍ព័ត៌មាន |
០៥Insilico Medicine និងឱសថដំបូងគេពី AI ជនិតសំយោគ
Insilico Medicine ជាក្រុមហ៊ុនបង្កើតឡើងឆ្នាំ២០១៤ ដឹកនាំដោយ Alex Zhavoronkov មានមូលដ្ឋានប្រតិបត្តិការនៅហុងកុង និងសហរដ្ឋអាមេរិក ប្រើវេទិកា AI ជនិតសំយោគរបស់ខ្លួន (រួមមានម៉ូឌុលកំណត់គោលដៅ PandaOmics និងម៉ូឌុលរចនាគីមី Chemistry42) ដើម្បីរកគោលដៅជីវសាស្ត្រថ្មី និងរចនាម៉ូលេគុលឱសថថ្មីទាំងស្រុង។ បេក្ខភាពឱសថឈានមុខគេរបស់ក្រុមហ៊ុន—ISM001-055 (ឈ្មោះទូទៅ rentosertib) ជាសារធាតុទប់ស្កាត់អង់ស៊ីម TNIK សម្រាប់ព្យាបាលជំងឺសរសៃឆ្អែសសួតដោយមិនស្គាល់ហេតុ (idiopathic pulmonary fibrosis, IPF)—ត្រូវបានក្រុមហ៊ុនអះអាងថាជាឱសថដំបូងគេលើពិភពលោក ដែលទាំងរកឃើញគោលដៅ និងរចនាដោយ AI ជនិតសំយោគ ហើយបានឈានចូលដល់ការសាកល្បងលើមនុស្សដំណាក់កាលទី២។
ក្រុមហ៊ុនអះអាងថា រយៈពេលពីការចាប់ផ្តើមកម្មវិធីរកគោលដៅ រហូតដល់ចាប់ផ្តើមការសាកល្បងដំណាក់កាលទី១ ចំណាយពេលតិចជាង៣០ខែ ដោយផ្នែកមុនគ្លីនិកតែម្នាក់ឯង (ពីសម្មតិកម្មដល់ការជ្រើសរើសបេក្ខភាព) ចំណាយពេលតិចជាង១៨ខែ ជាមួយថវិកាប្រមាណ $២,៦ លាន — ធៀបនឹងមធ្យមភាគឧស្សាហកម្មប្រពៃណីដែលចំណាយបីទៅប្រាំមួយឆ្នាំ និងចំណាយក្នុងកម្រិត $៤៣០ លានឡើងទៅ។ តួលេខទាំងនេះជាការអះអាងផ្ទាល់ពីក្រុមហ៊ុន មិនមែនការវាយតម្លៃដោយភាគីទីបីឯករាជ្យទេ។
| ISM001-055 / rentosertib | សារធាតុទប់ស្កាត់ TNIK សម្រាប់ IPF — ការសាកល្បងដំណាក់កាល IIa |
| លទ្ធផលព្យាបាល (២០២៤) | កម្រិត៦០mg/ថ្ងៃ បង្កើនសមត្ថភាពសួត (FVC) ជាមធ្យម៩៨,៤mL ធៀបនឹងធ្លាក់ចុះ៦២,៣mL ក្នុងក្រុមថ្នាំក្លែងក្លាយ ក្នុងរយៈពេល១២សប្តាហ៍ |
| សុវត្ថិភាព | ក្រុមហ៊ុនរាយការណ៍ថាមានសុវត្ថិភាព និងអត់ធ្មត់បានល្អ; ផលប៉ះពាល់ញឹកញាប់បំផុតរួមមានរាគ និងមុខងារថ្លើមមិនប្រក្រតី (១៤,៨% និមួយៗ) |
| ការផ្សព្វផ្សាយផ្លូវការ | លទ្ធផលចេញផ្សាយជាសេចក្តីប្រកាសព័ត៌មាន ព្រមទាំងបោះពុម្ពក្នុងទស្សនាវដ្ដីវិទ្យាសាស្ត្រដែលមានការត្រួតពិនិត្យដោយអ្នកជំនាញឯករាជ្យ |
០៦Recursion Pharmaceuticals និងការរួមបញ្ចូល Exscientia
Recursion Pharmaceuticals បង្កើតឡើងឆ្នាំ២០១៣ នៅ Salt Lake City ប្រើវិធីសាស្ត្រខុសពី AlphaFold—«phenomics»៖ ថតរូបភាពកោសិការាប់លានក្នុងកម្រិតធំដោយស្វ័យប្រវត្តិកម្ម រួមផ្សំជាមួយ machine learning ដើម្បីរកទំនាក់ទំនងជីវសាស្ត្រថ្មីៗ (Recursion OS)។ ខែសីហា ២០២៤ ក្រុមហ៊ុនប្រកាសកិច្ចព្រមព្រៀងរួមបញ្ចូលទាំងស្រុងជាមួយ Exscientia (ក្រុមហ៊ុនរចនាឱសថ AI មានដើមកំណើតអង់គ្លេស) ជាកិច្ចព្រមព្រៀងភាគហ៊ុនសុទ្ធតម្លៃប្រមាណ $៦៨៨ លាន ដែលភាគទុនិកទាំងសងខាងបានយល់ព្រម និងបានបញ្ចប់ជាផ្លូវការនៅថ្ងៃទី២០ ខែវិច្ឆិកា ឆ្នាំ២០២៤។
មុនការរួមបញ្ចូល Exscientia ធ្លាប់ត្រូវបានលើកឡើងយ៉ាងទូលំទូលាយថាជាក្រុមហ៊ុនដំបូងគេ ដែលបញ្ជូនម៉ូលេគុលរចនាដោយ AI ចូលដល់ការសាកល្បងលើមនុស្ស៖ DSP-1181 (សម្រាប់ជំងឺ OCD សហការជាមួយ Sumitomo Dainippon Pharma) ចាប់ផ្តើមដំណាក់កាលទី១នៅជប៉ុនក្នុងខែមករា ២០២០ ដោយក្រុមហ៊ុនអះអាងថា ចំណាយពេលតិចជាង១២ខែ ពីការចាប់ផ្តើមកម្មវិធីរហូតដល់ដំណាក់កាលទី១ ធៀបនឹងមធ្យមភាគឧស្សាហកម្ម៤,៥ឆ្នាំ។ បន្តបន្ទាប់មក EXS21546 (ភាពស៊ាំមហារីក ចូលដំណាក់កាលទី១នៅចក្រភពអង់គ្លេស ធ្នូ ២០២០) និង DSP-0038 (ជំងឺ Alzheimer ជាមួយរោគសញ្ញា psychosis ចូលដំណាក់កាលទី១នៅសហរដ្ឋអាមេរិក ឧសភា ២០២១) ក៏បន្តតាម។
ចំណែក Recursion ខ្លួនឯង បច្ចុប្បន្នមានបេក្ខភាពដូចជា REC-4881 (សម្រាប់ជំងឺពោះវៀនចម្លង familial adenomatous polyposis) ក្នុងការសាកល្បងដំណាក់កាល1b/2 ដែលបានប្រកាសទិន្នន័យបឋមឆ្នាំ២០២៥ បង្ហាញការថយចុះនៃដុំពកពោះវៀន។ ក្រុមហ៊ុនក៏បានប្រកាសផ្អាកកម្មវិធីបួនក្នុងឆ្នាំ២០២៥ ដើម្បីផ្តោតធនធានលើផ្នែកមហារីក និងជំងឺកម្រ—ជាភស្តុតាងថា បេក្ខភាព AI-រកឃើញ នៅតែប្រឈមហានិភ័យបរាជ័យដូចគ្នានឹងឱសថប្រពៃណីដែរ។
០៧កិច្ចសហការឧស្សាហកម្ម និងហេដ្ឋារចនាសម្ព័ន្ធ AI ផ្សេងទៀត
ក្រៅពី Isomorphic Labs, Insilico Medicine និង Recursion ក្រុមហ៊ុនផ្គត់ផ្គង់ហេដ្ឋារចនាសម្ព័ន្ធកុំព្យូទ័រក៏ចូលរួមក្នុងវិស័យនេះផងដែរ ជាស្រទាប់ឧបករណ៍ដាច់ដោយឡែកពីការស្វែងរកឱសថផ្ទាល់។ ខែមករា ២០២៤ ក្នុងឱកាសសន្និសីទ JPMorgan Healthcare NVIDIA ប្រកាសពង្រីកវេទិកា BioNeMo (សេវាកម្មពពក និងឧបករណ៍ AI សម្រាប់បង្កើតម៉ូដែលជីវម៉ូលេគុលផ្ទាល់ខ្លួន) តាមរយៈកិច្ចសហការជាមួយ Amgen (បង្កើតម៉ូដែល AI ជនិតសំយោគរួមបញ្ចូលទិន្នន័យហ្សែនតាមរយៈផ្នែក deCODE) និង Recursion ខ្លួនឯង—បង្ហាញឲ្យឃើញថា ក្រុមហ៊ុនផ្គត់ផ្គង់ AI ក៏ប្រកួតប្រជែងផងដែរ មិនមែនតែក្រុមហ៊ុនរកឱសថផ្ទាល់នោះទេ។
យោងតាមការវិភាគរបស់ក្រុមហ៊ុនប្រឹក្សា Boston Consulting Group ដែលបានបោះពុម្ពជាមួយទស្សនាវដ្ដី Drug Discovery Today ក្រុមហ៊ុនបច្ចេកវិទ្យាជីវសាស្ត្រផ្តោត AI ជាង១០០ បានជោគជ័យនាំម៉ូលេគុលចូលដល់ការសាកល្បងលើគ្លីនិកយ៉ាងហោចណាស់មួយ—បង្ហាញថា កិច្ចសហការឧស្សាហកម្មនេះមិនកំណត់ត្រឹមក្រុមហ៊ុនធំបីនោះទេ។ ភាគច្រើននៃកិច្ចព្រមព្រៀងទាំងនេះមានកម្រិតខុសគ្នាខ្លាំង៖ ខ្លះជាកិច្ចសហការស្រាវជ្រាវទូទៅ ខ្លះទៀតជាកិច្ចព្រមព្រៀងអភិវឌ្ឍរួម មានរចនាសម្ព័ន្ធថ្លៃដំបូង/ចំណុចសម្រេច/រំលោះកម្រៃដូច Isomorphic Labs ធ្វើ។
🖥️ NVIDIA BioNeMo
ហេដ្ឋារចនាសម្ព័ន្ធ/ឧបករណ៍ AI ជីវម៉ូលេគុល សហការជាមួយ Amgen, Recursion និងក្រុមហ៊ុនជីវឱសថផ្សេងទៀត
🧬 Amgen + deCODE
បង្កើតម៉ូដែល AI ជនិតសំយោគ រួមបញ្ចូលទិន្នន័យហ្សែនកម្រិតធំពីមូលដ្ឋានទិន្នន័យ deCODE Genetics
🏭 ជាង១០០ ក្រុមហ៊ុន AI-ជីវឱសថ
តាមការវិភាគ BCG/Drug Discovery Today ជោគជ័យនាំម៉ូលេគុលដល់ការសាកល្បងលើមនុស្សយ៉ាងហោចណាស់មួយ
០៨តើឱសថណាខ្លះឈានដល់មនុស្សពិតប្រាកដមែន
ព័ត៌មានផ្សព្វផ្សាយជាញឹកញាប់លាយបញ្ចូលគ្នារវាងឱសថដែលពិតជាបានចូលដល់ការសាកល្បងលើមនុស្ស និងបេក្ខភាពដែលនៅតែស្ថិតក្នុងកម្រិតគណនា ឬមុនគ្លីនិកតែប៉ុណ្ណោះ។ តារាងខាងក្រោមសង្ខេបស្ថានភាពជាក់ស្តែងគិតត្រឹមពេលបោះពុម្ពអត្ថបទនេះ៖
បានឈានដល់ការសាកល្បងលើមនុស្សពិតប្រាកដ
- ISM001-055 / rentosertib (Insilico) — ដំណាក់កាល IIa ចប់ ជាមួយលទ្ធផលវិជ្ជមានលើ IPF
- DSP-1181, EXS21546, DSP-0038 (Exscientia ដើម ឥឡូវ Recursion) — ចូលដល់ដំណាក់កាលទី១ ២០២០-២០២១
- REC-4881 និងបេក្ខភាពផ្សេងទៀតរបស់ Recursion — កំពុងសាកល្បងដំណាក់កាល1b/2
នៅតែជាកម្រិតគណនា ឬមុនគ្លីនិក
- បេក្ខភាពពីកិច្ចសហការ Isomorphic Labs–Eli Lilly/Novartis — កំណត់គោលដៅ+រចនានិម្មិត មិនទាន់ចូលមនុស្សឡើយ
- ភាគច្រើននៃម៉ូលេគុលពីវេទិកា AI ជនិតសំយោគនានា — នៅជាដំណាក់កាលរកឱសថ/មុនគ្លីនិក ជាធម្មតាបរាជ័យច្រើនមុនចូលមនុស្ស
| Insilico Medicine | ISM001-055/rentosertib — ដំណាក់កាល IIa ចប់ (IPF) — ចម្ងាយឆ្ងាយបំផុត |
| Exscientia/Recursion | DSP-1181, EXS21546, DSP-0038 — ចូលដល់ដំណាក់កាលទី១ (២០២០-២០២១) |
| Recursion (បច្ចុប្បន្ន) | REC-4881 និងផ្សេងទៀត — ដំណាក់កាល1b/2 កំពុងដំណើរការ |
| Isomorphic Labs | កិច្ចសហការជាមួយ Lilly/Novartis — មិនទាន់មានបេក្ខភាពប្រកាសចូលមនុស្ស |
០៩ជម្លោះកាលវិភាគ៖ អះអាងក្រុមហ៊ុន ទល់នឹងការវិភាគឯករាជ្យ
ក្រុមហ៊ុន AI-ជីវឱសថភាគច្រើនអះអាងថា បច្ចេកវិទ្យារបស់ខ្លួនកាត់បន្ថយពេលវេលា និងចំណាយក្នុងការរកឱសថយ៉ាងខ្លាំង—Insilico Medicine អះអាងកាត់ បន្ថយពី៣-៦ឆ្នាំ មកត្រឹម១៨ខែសម្រាប់ដំណាក់កាលមុនគ្លីនិក ខណៈ Exscientia (ដើម) ធ្លាប់អះអាងកាត់បន្ថយពី៤,៥ឆ្នាំ មកត្រឹមតិចជាង១២ខែ។ ប៉ុន្តែសំណួរនៅមានជម្លោះគឺ៖ តើទិន្នន័យទាំងនេះទុកចិត្តបានកម្រិតណា។
អត្ថបទវិចារណកថាមួយចេញផ្សាយក្នុងទស្សនាវដ្ដី Nature ឆ្នាំ២០២៣ («AI’s potential to accelerate drug discovery needs a reality check») លើកចំណុចប្រុងប្រយ័ត្នជាច្រើន៖ ទីមួយ អះអាងកាត់បន្ថយពេលវេលាភាគច្រើនមកពីក្រុមហ៊ុនខ្លួនឯង មិនទាន់ត្រូវបានផ្ទៀងផ្ទាត់ដោយអ្នកស្រាវជ្រាវក្រៅក្រុមហ៊ុននោះទេ; ទីពីរ ម៉ូដែល AI ជនិតសំយោគអាចផ្តល់អនុសាសន៍ម៉ូលេគុលដែលពិបាក ឬមិនអាចផលិតបានផ្ទាល់ (ស្រដៀងនឹងបញ្ហា«ការភ័ន្តច្រឡំ»របស់ chatbot); ទីបី ក្រុមហ៊ុនឱសថភាគច្រើនរក្សាទុកលទ្ធផលបរាជ័យជាការសម្ងាត់ ដើម្បីជៀសវាងគូប្រកួតប្រជែងដឹង ដែលរារាំងការសិក្សារួម និងកែលម្អម៉ូដែលទាំងឧស្សាហកម្ម; ទីបួន សូម្បីតែជំហានរកឱសថលឿនជាងក៏ដោយ ជាង៩០% នៃបេក្ខភាពនៅតែបរាជ័យក្នុងដំណាក់កាលក្រោយ—ចំណុចនេះមិនផ្លាស់ប្តូរតាមវិធីរកឃើញម៉ូលេគុលឡើយ។
ម្យ៉ាងវិញទៀត ការវិភាគរបស់ Boston Consulting Group ដែលបោះពុម្ពក្នុងទស្សនាវដ្ដី Drug Discovery Today ឆ្នាំ២០២៤ រកឃើញថា ឱសថ AI-រកឃើញមានអត្រាជោគជ័យក្នុងដំណាក់កាលទី១ ប្រមាណ៨០-៩០% ខ្ពស់ជាងមធ្យមភាគប្រវត្តិសាស្ត្រឧស្សាហកម្មប្រពៃណី (៥-១០%) ស្ទើរទ្វេដងសម្រាប់គ្រប់ដំណាក់កាលរួមគ្នា (ប្រមាណ៩-១៨%)។ ប៉ុន្តែការវិភាគនេះក៏មានចំណុចកំណត់ធំមួយ៖ គំរូសិក្សាកំណត់ត្រឹមក្រុមហ៊ុនជាង១០០ ដែលបានជោគជ័យរួចហើយក្នុងការនាំម៉ូលេគុលចូលដល់ការសាកល្បង (ជ្រើសរើសតែ«អ្នកឈ្នះ»)—ធ្វើឲ្យលទ្ធផលអាចមានភាពលម្អៀង។
១០គោលជំហររបស់ភាគីនីមួយៗ (សង្ខេប)
ដើម្បីកុំឱ្យសំឡេងភាគីណាមួយលេចធ្លោលើអត្ថបទ សូមសង្ខេបជំហរដែលភាគីនីមួយៗខ្លួនឯងអះអាងជាសាធារណៈ៖
🏢 ក្រុមហ៊ុន AI-ជីវឱសថ
អះអាងថា បច្ចេកវិទ្យារបស់ខ្លួនផ្លាស់ប្តូរគោលគំនិតសេដ្ឋកិច្ចនៃការស្រាវជ្រាវឱសថទាំងមូល ដោយកាត់បន្ថយពេលវេលា និងចំណាយក្នុងដំណាក់កាលដំបូង
🔬 អ្នកស្រាវជ្រាវឯករាជ្យ/ទស្សនាវដ្ដីវិទ្យាសាស្ត្រ
ទាមទារឲ្យអះអាងទាំងអស់ត្រូវផ្ទៀងផ្ទាត់ដោយការបោះពុម្ពក្នុងទស្សនាវដ្ដីត្រួតពិនិត្យដោយអ្នកជំនាញ មុននឹងទទួលយកជាការពិត
🏛️ ទីភ្នាក់ងារបទប្បញ្ញត្តិ (FDA, EMA)
អះអាងជំហរអព្យាក្រឹត—វាយតម្លៃឱសថគ្រប់ប្រភេទតាមស្តង់ដារសុវត្ថិភាព/ប្រសិទ្ធភាពដូចគ្នា ដោយមិនគិតពីវិធីរកឃើញម៉ូលេគុលនោះទេ
🏆 គណៈកម្មាធិការណូបែល/អ្នករៀបចំ CASP
ទទួលស្គាល់ភាពជោគជ័យវិទ្យាសាស្ត្រនៃការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីនជាក់លាក់ ដោយមិនធ្វើសេចក្តីថ្លែងការណ៍អំពីអះអាងកាលវិភាគអភិវឌ្ឍឱសថទូទៅនោះទេ
១១អ្វីត្រូវតាមដានបន្ត
- តើ ISM001-055/rentosertib នឹងបន្តចូលដល់ដំណាក់កាលទី៣ និងដាក់ពាក្យសុំការអនុម័តដែរឬទេ។
- តើបេក្ខភាពពី Isomorphic Labs–Eli Lilly/Novartis នឹងចេញឈ្មោះ និងឈានចូលមនុស្សនៅពេលណា។
- តើអត្រាជោគជ័យខ្ពស់ដែលរកឃើញដោយ BCG/Drug Discovery Today នឹងនៅតែជាការពិត ជាមួយគំរូធំជាងនេះដែរឬទេ។
- តើជម្លោះស្តីពីការចូលដំណើរការកូដ AlphaFold3 នឹងដោះស្រាយបានទូលំទូលាយជាងនេះដែរឬទេ។
- តើនឹងមានទិន្នន័យសាកល្បងលើគ្លីនិកឯករាជ្យបន្ថែម ដែលមិនមកពីក្រុមហ៊ុនផ្ទាល់ ត្រូវបានបោះពុម្ពដែរឬទេ។
- តើទីភ្នាក់ងារបទប្បញ្ញត្តិណានឹងចេញគោលការណ៍ណែនាំសម្រាប់ឱសថ AI-រកឃើញដែរឬទេ។
១២សំណួរញឹកញាប់
តើ AlphaFold ជាអ្វី ហើយហេតុអ្វីសំខាន់?
AlphaFold ជាគ្រួសារម៉ូដែល AI របស់ DeepMind ដែលទស្សន៍ទាយរូបរាងបីវិមាត្ររបស់ប្រូតេអ៊ីនពីលំដាប់អាស៊ីតអាមីណូ។ AlphaFold2 សម្រេច GDT score មធ្យម៩២,៤ នៅ CASP14 (២០២០) ជិតកម្រិតត្រឹមត្រូវពិសោធន៍ ជាការឈានទៅមុខធំមួយលើបញ្ហាចោទសួរអស់ជាង៥០ឆ្នាំ។
តើមានឱសថដែល AI រកឃើញត្រូវបានអនុម័តហើយឬនៅ?
ទេ។ គិតត្រឹមពេលបោះពុម្ពអត្ថបទនេះ គ្មានឱសថ AI-រកឃើញ ឬAI-រចនាណាមួយបានបញ្ចប់ការសាកល្បងដំណាក់កាលទី៣ ឬទទួលការអនុម័តពេញលេញពីទីភ្នាក់ងារបទប្បញ្ញត្តិសំខាន់ណាមួយ (FDA, EMA)។ ISM001-055 របស់ Insilico Medicine ជាបេក្ខភាពឈានចម្ងាយឆ្ងាយបំផុត បន្ទាប់ពីបញ្ចប់ដំណាក់កាល IIa ដោយជោគជ័យ។
តើ Isomorphic Labs ខុសពី DeepMind យ៉ាងណា?
Isomorphic Labs ជាក្រុមហ៊ុនបំបែកចេញពី DeepMind ឆ្នាំ២០២១ ក្រោមកម្មសិទ្ធិ Alphabet ដូចគ្នា ដឹកនាំដោយ Demis Hassabis ដដែល ប៉ុន្តែផ្តោតជាពិសេសលើការរចនាឱសថដោយប្រើគ្រួសារម៉ូដែល AlphaFold ជាមូលដ្ឋាន តាមរយៈកិច្ចសហការជាមួយក្រុមហ៊ុនឱសថធំៗ ដូចជា Eli Lilly និង Novartis។
តើហេតុអ្វី DSP-1181 ត្រូវបានចោទសួរ ទោះបីជាចូលដល់ការសាកល្បងបានលឿន?
ការវិភាគឯករាជ្យដោយ CAS រកឃើញថា ម៉ូលេគុលឧទាហរណ៍ជាច្រើនរបស់ DSP-1181 មានរូបរាងស្រដៀងគ្នាខ្លាំងជាមួយ haloperidol ដែលជាឱសថចាស់ដែលអនុម័តតាំងពីឆ្នាំ១៩៦៧ ធ្វើឲ្យសំណួរកើតឡើងថា តើ AI ពិតជារកឃើញរចនាសម្ព័ន្ធថ្មីស្រស់ ឬគ្រាន់តែបញ្ជាក់ឡើងវិញនូវអ្វីដែលអ្នកគីមីវិទូអាចរកឃើញរួចទៅហើយ។
តើ AI កាត់បន្ថយពេលវេលាអភិវឌ្ឍឱសថសរុបប៉ុន្មាន?
នេះជាចំណុចដែលនៅមានជម្លោះសកម្ម។ ក្រុមហ៊ុនអះអាងកាត់បន្ថយពេលដំណាក់កាលដំបូងយ៉ាងខ្លាំង ប៉ុន្តែអ្នកវិភាគឯករាជ្យកត់សម្គាល់ថា ដំណាក់កាលសាកល្បងលើមនុស្ស ដែលកាន់កាប់ភាគច្រើននៃពេលវេលា និងចំណាយសរុប នៅតែមិនត្រូវបានពន្លឿនតាមរយៈកុំព្យូទ័រនោះទេ។
តើអ្នកណាឈ្នះរង្វាន់ណូបែលគីមីវិទ្យា ២០២៤?
David Baker ទទួលពាក់កណ្តាលមួយ សម្រាប់ការរចនាប្រូតេអ៊ីនតាមកុំព្យូទ័រ ខណៈ Demis Hassabis និង John Jumper (DeepMind) ទទួលពាក់កណ្តាលមួយទៀតរួមគ្នា សម្រាប់ការទស្សន៍ទាយរចនាសម្ព័ន្ធប្រូតេអ៊ីន—ប្រកាសនៅថ្ងៃទី៩ ខែតុលា ឆ្នាំ២០២៤។
១៣ប្រភព (Sources)
- The Nobel Prize in Chemistry 2024 — Press Release — NobelPrize.org
- Chemistry Nobel goes to developers of AlphaFold AI — Nature (តុលា ២០២៤)
- Developing an AI solution to 50-year-old protein challenge — Phys.org (វិច្ឆិកា ២០២០)
- New AlphaFold DB release with 200+ million predicted structures — EMBL-EBI (កក្កដា ២០២២)
- Accurate structure prediction of biomolecular interactions with AlphaFold3 — Nature (ឧសភា ២០២៤)
- AI protein-prediction tool AlphaFold3 is now more open — Nature
- Isomorphic Labs kicks off 2024 with two pharmaceutical collaborations — Isomorphic Labs
- Alphabet’s Isomorphic stacks two new deals with Lilly, Novartis worth nearly $3B — Fierce Biotech (មករា ២០២៤)
- Insilico Medicine Announces Positive Topline Results of ISM001-055 for IPF — PR Newswire
- From Start to Phase 1 in 30 Months — Insilico Medicine
- Rentosertib — Pulmonary Fibrosis Foundation Pipeline — Pulmonary Fibrosis Foundation
- AI drug discovery: assessing the first AI-designed drug candidates — CAS (American Chemical Society)
- Recursion and Exscientia, two leaders in AI drug discovery, officially combined — Recursion Pharmaceuticals (វិច្ឆិកា ២០២៤)
- Preliminary Phase 1b/2 Data for REC-4881 in FAP — Recursion Pharmaceuticals (២០២៥)
- NVIDIA expands drug discovery footprint with Amgen, Recursion alliances — Fierce Biotech (មករា ២០២៤)
- AI’s potential to accelerate drug discovery needs a reality check — Nature (២០២៣)
- How successful are AI-discovered drugs in clinical trials? — Drug Discovery Today (២០២៤)
✓ ផ្ទៀងផ្ទាត់ជាមួយប្រភពបឋម · ធ្វើបច្ចុប្បន្នភាព សីហា ២០២៦
📷 រូបភាពក្នុងអត្ថបទនេះ មានប្រភព និងឥណទានម្ចាស់កម្មសិទ្ធិនៅក្រោមរូបភាពនីមួយៗ។ ចុចលើរូបភាព ដើម្បីមើលទំហំធំ។
📚 បច្ចេកវិទ្យា និង AI · គួរដឹង Eksastra
អត្ថបទចំណេះដឹងស៊ីជម្រៅជាភាសាខ្មែរ ផ្អែកលើប្រភពដែលអាចផ្ទៀងផ្ទាត់បាន។
បច្ចេកវិទ្យា និង AI ទាំងអស់ →ហេដ្ឋារចនាសម្ព័ន្ធកុំព្យូទ័រ និងសង្វាក់ផ្គត់ផ្គង់បន្ទះឈីប AIការកែប្រែហ្សែន CRISPR និងបច្ចេកវិទ្យា mRNAអភិបាលកិច្ច និងបទប្បញ្ញត្តិបញ្ញាសិប្បនិម្មិតគួរដឹង Eksastra