شرکت آنتروپیک (Anthropic) نتایج آزمایش جدیدی را منتشر کرده که نشان می‌دهد نسخه‌ای پژوهشی از هوش مصنوعی Claude توانسته پروتئین‌هایی با قابلیت اتصال به سموم عصبی عقرب طراحی کند. این آزمایش با همکاری شرکت تحقیقاتی Citrini Research انجام شده و هدف آن بررسی نقش هوش مصنوعی در تسریع مراحل اولیه کشف دارو بوده است.
براساس گزارش رسمی آنتروپیک در ۲۰ اکتبر ۲۰۲۶، کلود طی ۶۴ ساعت بیش از ۳۱۸ هزار طرح پروتئینی تولید کرد. از میان ۲۱۱ طرحی که در آزمایشگاه بررسی شدند، ۱۷ مورد معیارهای پژوهشگران برای اتصال به سموم عقرب را برآورده کردند. بااین‌حال، پژوهشگران تأکید کرده‌اند که هنوز هیچ‌یک از این پروتئین‌ها به‌عنوان پادزهر مؤثر تأیید نشده‌اند.
هوش مصنوعی Claude چگونه وارد تحقیقات پادزهر عقرب شد؟
پژوهشگران آنتروپیک با همکاری شرکت Citrini Research تصمیم گرفتند توانایی یک مدل پژوهشی کلود را در حل مسئله‌ای واقعی در حوزه سلامت بررسی کنند.
آن‌ها ساخت پروتئین‌های کوچکی به نام Minibinder را انتخاب کردند؛ مولکول‌هایی که می‌توانند به بخش مشخصی از یک پروتئین دیگر متصل شوند.
هدف این بود که پروتئین‌های طراحی‌شده به سموم عصبی عقرب متصل شوند و شاید در آینده بتوان از آن‌ها برای توسعه درمان‌های جدید استفاده کرد.
این پروژه همچنین فرصتی برای بررسی میزان استقلال یک دستیار هوش مصنوعی در اجرای فرایندهای پیچیده پژوهشی فراهم کرد.
طراحی بیش از ۳۱۸ هزار پروتئین تنها در ۶۴ ساعت
یکی از بخش‌های قابل‌توجه آزمایش، تعداد طرح‌هایی است که کلود در مدت کوتاهی تولید کرد.
مدل پژوهشی آنتروپیک با استفاده از ۱۲ ابزار تخصصی طراحی پروتئین، در مجموع ۳۱۸ هزار و ۴۸۴ ساختار پیشنهادی تولید کرد.
کلود سپس با بررسی ویژگی‌های ساختاری و امتیازهای پیش‌بینی‌شده، تعداد زیادی از طرح‌ها را کنار گذاشت و ۱۸۰ نمونه را برای بررسی آزمایشگاهی انتخاب کرد.
پژوهشگران نیز با کمک این مدل ۳۱ نمونه دیگر به مجموعه اضافه کردند.
به این ترتیب، ۲۱۱ طرح نهایی برای آزمایش آماده شدند.
کل این مرحله محاسباتی حدود ۶۴ ساعت طول کشید و مدل پس از دستور اولیه، تنها چهار پیام تکمیلی از پژوهشگران دریافت کرد.
نتیجه آزمایشگاه‌ها چه بود؟
دو شرکت Adaptyv Bio و Twist Bioscience وظیفه بررسی تجربی پروتئین‌های طراحی‌شده را بر عهده گرفتند.
پژوهشگران بررسی کردند که آیا این پروتئین‌ها می‌توانند با قدرت و پایداری مناسب به سموم هدف متصل شوند یا خیر.
در پایان، ۱۷ نمونه معیارهای تعیین‌شده برای اتصال موفق را برآورده کردند.
این پروتئین‌ها به چهار نوع سم عصبی عقرب متصل شدند، اما هیچ‌کدام نتوانستند معیارهای پژوهش را برای اتصال موفق به چند سم مختلف به‌صورت هم‌زمان برآورده کنند.
این موضوع نشان می‌دهد که طراحی پروتئین‌های چندمنظوره همچنان یکی از چالش‌های مهم چنین پژوهش‌هایی است.
چرا محققان به دنبال پادزهر جدید عقرب هستند؟
براساس اطلاعات منتشرشده از سوی آنتروپیک، سالانه دست‌کم ۱٫۲ میلیون نفر در جهان دچار عقرب‌گزیدگی می‌شوند و بیش از ۳۲۵۰ نفر جان خود را از دست می‌دهند.
بخش مهمی از این موارد در مناطقی رخ می‌دهد که دسترسی به خدمات درمانی محدود است.
پادزهرهای متداول معمولاً با استفاده از پادتن‌های تولیدشده در بدن حیوانات ساخته می‌شوند.
این فرایند می‌تواند زمان‌بر و پرهزینه باشد و بعضی از پادزهرها نیز تنها در برابر مجموعه محدودی از سموم مؤثر هستند.
به همین دلیل، پژوهشگران به دنبال روش‌هایی هستند که تولید درمان‌های جدید را سریع‌تر و دسترسی به آن‌ها را آسان‌تر کنند.
طراحی پروتئین با کمک هوش مصنوعی یکی از رویکردهای در حال بررسی در این زمینه است.
آیا کلود واقعاً پادزهر عقرب ساخته است؟
خیر. این نکته مهم‌ترین محدودیت آزمایش جدید محسوب می‌شود.
اتصال یک پروتئین به سم لزوماً به معنای خنثی‌کردن اثر آن نیست.
پژوهشگران آنتروپیک تأکید کرده‌اند که هنوز بررسی نکرده‌اند آیا پروتئین‌های طراحی‌شده می‌توانند اثر سم را در محیط سلولی متوقف کنند یا خیر.
همچنین هیچ آزمایش اثربخشی روی حیوانات زنده انجام نشده است.
دو نمونه امیدوارکننده به نام‌های Cn2-B1 و Cn2-B2 توانستند اتصال قدرتمندی به یکی از سموم عقرب نشان دهند.
آزمایش‌های رقابتی نیز حاکی از آن بودند که این پروتئین‌ها احتمالاً به ناحیه‌ای مشابه یک پادتن شناخته‌شده متصل می‌شوند.
بااین‌حال، این یافته هنوز اثبات نمی‌کند که آن‌ها قادر به خنثی‌سازی سم هستند.
بنابراین، عنوان «ساخت پادزهر عقرب توسط هوش مصنوعی» توصیف دقیقی از نتایج این پژوهش نیست.
نقش انسان در آزمایش هوش مصنوعی چه بود؟
اگرچه کلود بخش قابل‌توجهی از فرایند طراحی را به‌صورت مستقل انجام داد، این پروژه کاملاً بدون دخالت انسان نبود.
پژوهشگران هدف مطالعه را مشخص کردند، دستورهای اولیه را آماده کردند و در طول کار چهار پیام تکمیلی برای هدایت مدل ارسال کردند.
همچنین متخصصان انسانی بر روند آزمایش نظارت داشتند و آزمایشگاه‌های مستقل وظیفه ساخت و ارزیابی پروتئین‌ها را انجام دادند.
به بیان دیگر، کلود توانست بخش مهمی از کار محاسباتی را خودکار کند، اما تأیید علمی نتایج همچنان به آزمایش‌های واقعی و تخصص پژوهشگران وابسته بود.
آیا هوش مصنوعی می‌تواند کشف دارو را سریع‌تر کند؟
نتایج این پروژه نشان می‌دهد که هوش مصنوعی می‌تواند در تولید و غربالگری اولیه طرح‌های مولکولی نقش قابل‌توجهی داشته باشد.
بااین‌حال، موفقیت در مرحله طراحی به معنای کوتاه‌شدن تمام مراحل تولید دارو نیست.
پس از شناسایی یک مولکول امیدوارکننده، پژوهشگران باید اثربخشی، ایمنی، پایداری و قابلیت تولید آن را بررسی کنند.
این مراحل ممکن است زمان و هزینه زیادی نیاز داشته باشند.
همچنین نرخ موفقیت ۱۷ نمونه از میان ۲۱۱ طرح آزمایش‌شده، به‌تنهایی نشان نمی‌دهد که روش کلود از تمام روش‌های رایج طراحی پروتئین بهتر عمل می‌کند.
اهمیت اصلی پژوهش در نمایش امکان اجرای بخش بزرگی از فرایند طراحی با کمک یک عامل هوش مصنوعی است.
انتشار عمومی نتایج برای ادامه تحقیقات
آنتروپیک اعلام کرده که اطلاعات مربوط به تمام ۲۱۱ طرح آزمایش‌شده را در اختیار جامعه پژوهشی قرار می‌دهد.
این داده‌ها شامل ساختارهای پیشنهادی، نتایج ارزیابی و اطلاعات آزمایشگاهی هستند.
انتشار این مجموعه می‌تواند به پژوهشگران دیگر کمک کند تا عملکرد روش‌های طراحی مبتنی بر هوش مصنوعی را بررسی کنند و آزمایش‌های تکمیلی انجام دهند.
در مجموع، آزمایش جدید کلود یک گام پژوهشی امیدوارکننده در طراحی پروتئین محسوب می‌شود، اما هنوز فاصله زیادی تا تولید یک پادزهر ایمن و قابل‌استفاده برای بیماران وجود دارد.
دیدگاه‌ها