خب بچه‌ها، بذارین براتون یه خبر خیلی هیجان‌انگیز رو تعریف کنم! MIT (همون دانشگاه معروف ماساچوست) و یک استارتاپ بیوتک به اسم Recursion با همکاری مرکز Jameel Clinic و CSAIL یه هوش مصنوعی ساختن به اسم Boltz-2 که واقعاً داره معادلات کشف دارو رو به هم می‌زنه!
ماجرا چیه؟ تا همین چند وقت پیش اگه می‌خواستن بررسی کنن یک مولکول به یک پروتئین خاص چطور متصل می‌شه (که بهش Binding Affinity می‌گن، یعنی اندازه قدرت چسبیدن دو تا ماده به هم)، باید یا تو آزمایشگاه کلی آزمایش مرطوب و شیمیایی انجام می‌دادن، یا مدل‌های کامپیوتری خیلی پیچیده و کند (مثل شبیه‌سازی FEP که مثلاً طلای پیش‌بینی پیوند مواد حساب می‌شه) رو اجرا می‌کردن. نتیجه؟ کار هفته‌ها طول می‌کشید و کلی هزینه اضافه داشت.
حالا این Boltz-2 اومده و همه رو سورپرایز کرده! چون خیلی نزدیک به دقت اون مدل‌های سنگین فیزیکی کار می‌کنه ولی تا ۱۰۰۰ برابر سریع‌تره! یعنی حالا دانشمندا می‌تونن میلیون‌ها ترکیب رو تو چند ساعت و حتی کمتر بررسی کنن. قبلاً این کارها هفته‌ها وقت می‌برد!
یه چیز جالب‌تر هم اینه که همه این جادوش به لطف سوپرکامپیوتر Recursion به اسم BioHive-2 انجام می‌شه؛ این BioHive-2 یه غول واقعیه و بین قدرتمندترین سوپرکامپیوترهای در جهانه. Boltz-2 می‌تونه روی این سیستم یه عالمه ترکیب مولکول-پروتئین رو با هم چک کنه، و هر جفت رو فقط در حدود ۲۰ ثانیه (با یک چیپ NVIDIA A100) جواب بده. NVIDIA اینجا هم یه نقش کلیدی داشته — خودشون رو حسابی انداختن وسط و کمک کردن مدل رو بهینه کنن که هم سریع اجرا بشه و هم رم کمتری مصرف کنه. تازه یه سری دستورهای اختصاصی به اسم cuEquivariance kernel هم ساختن که یه مرحله ریاضی-کامپیوتری به اسم عملیات «مثلثی» رو سریع‌تر کنه و هزینه محاسبه کلی رو تا سه برابر کم کنه!
اما Boltz-2 فقط یه ماشین سریع نیست؛ خیلی مهندسی شده تا تو دنیای واقعی کاربرد داشته باشه. مثلاً شرکت‌ها و تیم‌های داروسازی می‌تونن نسخه شرکتی این مدل رو به اسم Boltz-2 NIM به‌کار ببرن؛ این یه سرویسه که می‌تونه دنباله‌های پروتئین، RNA، DNA یا ترکیب‌های شیمیایی رو بگیره، بعد سه بعدی‌شون رو بسازه و قدرت اتصالشون رو هم پیش‌بینی کنه — اونم در مقیاس خیلی بالا، سریع و با هزینه کمتر.
یه خوبی دیگه‌ی Boltz-2 اینه که کدش به شکل متن‌باز (Open-source یعنی هرکسی می‌تونه رایگان ببینه و حتی تغییرش بده) و تحت مجوز MIT پخش شده؛ یعنی هم دانشگاهیا، هم شرکت‌ها می‌تونن راحت ازش استفاده کنن یا حتی مدلش رو خودشون آموزش مجدد بدن و بهینه‌ترش کنن. برای استفاده شرکتی حرفه‌ای هم بخش NIM تحت لایسنس NVIDIA AI Enterprise فروخته می‌شه.
یه آماری هم بدن دستتون: تو تست‌هایی که گرفتن، Boltz-2 هم دقیق‌تر از مدل‌های قبلی یادگیری ماشین (Machine Learning یعنی یادگیری کامپیوتری با داده بزرگ) عمل کرده، هم تقریباً دو برابر مدل‌های سنتی داکینگ (Docking: یعنی شبیه‌سازی اینکه دو مولکول چطور کنار هم قرار می‌گیرن) تو آزمون‌هایی مثل MF-PCBA دقیق نتیجه داده.
خلاصه، حالا با این پیشرفت، روند کشف دارو از حالت کُند و گرون بیرون اومده و خیلی سریع‌تر و کم‌خرج‌تر داره پیش می‌ره. دیگه مثل قبل، لازم نیست این همه ترکیب رو دونه‌دونه تو آزمایشگاه تست کنن؛ با Boltz-2 یه عالمه کار تحقیق و توسعه داروسازی می‌شه فقط با چند بار فشردن دکمه و ظرف چند ساعت انجام داد!
زمان کشف داروها قراره خیلی کوتاه و ارزون بشه — و این یعنی امید برای پیدا کردن سریع‌تر درمان خیلی از بیماری‌های سخت! به نظرم Boltz-2 یه سکوی پرتاب جدیده واسه آینده پزشکی و داروسازی. چه خبره این دنیای هوش مصنوعی!
منبع: +
