أداة التنبؤ بالبروتين AI AlphaFold3 متاحة الآن كمصدر مفتوح

أداة التنبؤ بالبروتين AI AlphaFold3 متاحة الآن كمصدر مفتوح

AlphaFold3 متاح أخيرًا. بعد ستة أشهر من جوجل DeepMind الكود مثير للجدل واحد أوراق عن نموذج التنبؤ ببنية البروتين يستطيع العلماء الآن قم بتنزيل كود البرنامج واستخدام أداة الذكاء الاصطناعي للتطبيقات غير التجارية، حسبما أعلنت الشركة التي يقع مقرها في لندن في 11 نوفمبر.

يقول جون جامبر، الذي يقود فريق AlphaFold في DeepMind وانضم إلى الرئيس التنفيذي ديميس هاسابيس الشهر الماضي: "نحن متحمسون للغاية لرؤية ما يفعله الناس بها". فاز بجزء من جائزة نوبل في الكيمياء لعام 2024 لعملهم على أداة الذكاء الاصطناعي.

على عكس سابقاتها، AlphaFold3 قادرة على نمذجة البروتينات بالاشتراك مع جزيئات أخرى. بدلاً من إطلاق الكود الأساسي - كما هو الحال مع ألفا فولد 2 كان الأمر كذلك – فقد وفرت شركة DeepMind إمكانية الوصول عبر خادم ويب مما حد من عدد ونوع التنبؤات التي يمكن للعلماء تقديمها.

والأهم من ذلك، أن خادم AlphaFold3 لم يسمح للعلماء بالتنبؤ بكيفية تفاعل البروتينات في وجود الأدوية المحتملة. لكن قرار DeepMind الآن بإصدار الكود يعني أن العلماء الأكاديميين يمكنهم التنبؤ بمثل هذه التفاعلات من خلال تشغيل النموذج بأنفسهم.

ذكرت الشركة في البداية أن إتاحة AlphaFold3 فقط من خلال خادم ويب حقق التوازن الصحيح بين توفير الوصول للبحث وحماية الطموحات التجارية. تقوم Isomorphic Labs، وهي فرع من شركة DeepMind في لندن، بتطبيق AlphaFold3 في اكتشاف الأدوية.

لكن سحبت إصدار AlphaFold3 بدون رمزها أو أوزان طرازها - المعلمات التي تم الحصول عليها من خلال تدريب البرنامج على هياكل البروتين والبيانات الأخرى - أثارت انتقادات من العلماء الذين قالوا إن هذه الخطوة قوضت إمكانية التكاثر. وسرعان ما توصلت DeepMind إلى استنتاجات وقالت إن نسخة مفتوحة المصدر من الأداة ستكون متاحة في غضون ستة أشهر.

يمكن لأي شخص الآن تنزيل رمز برنامج AlphaFold3 واستخدامه بشكل غير تجاري. ومع ذلك، في الوقت الحالي، لا يتمكن سوى العلماء ذوي الانتماءات الأكاديمية من الوصول إلى أوزان التدريب عند الطلب.

إصدارات يمكن الوصول إليها

شركة DeepMind لديها منافسة: في الأشهر الأخيرة، واجهتها العديد من الشركات تم تقديم أدوات مفتوحة المصدر للتنبؤ ببنية البروتين استنادًا إلى AlphaFold3 ، والتي تعتمد على المواصفات الموضحة في الورقة الأصلية، والمعروفة باسم الكود الكاذب.

أصدرت شركتان صينيتان – عملاق التكنولوجيا Baidu وByteDance مطور TikTok – نماذجهما الخاصة المستوحاة من AlphaFold3، كما فعلت شركة ناشئة في سان فرانسيسكو، كاليفورنيا تسمى Chai Discovery.

العيب الرئيسي لهذه النماذج هو أن أيًا منها، مثل AlphaFold3، غير مرخص للتطبيقات التجارية، مثل اكتشاف الأدوية، كما يقول محمد القريشي، عالم الأحياء الحسابي بجامعة كولومبيا في مدينة نيويورك. ومع ذلك، يمكن استخدام نموذج Chai Discovery، Chai-1، لمثل هذا العمل عبر خادم ويب، كما يوضح جاك دنت، المؤسس المشارك للشركة.

أصدرت شركة أخرى، وهي Ligo Biosciences في سان فرانسيسكو، نسخة خالية من القيود من AlphaFold3. ومع ذلك، لا يمتلك هذا بعد مجموعة كاملة من الوظائف، بما في ذلك القدرة على نمذجة الأدوية والجزيئات بخلاف البروتينات.

وتعمل فرق أخرى على إصدارات AlphaFold3 المتاحة دون مثل هذه القيود: ويأمل القريشي في تقديم نموذج مفتوح المصدر بالكامل يسمى OpenFold3 في وقت لاحق من هذا العام. وهذا من شأنه أن يسمح لشركات الأدوية بإعادة تدريب نسخها الخاصة من النموذج باستخدام بيانات خاصة، مثل هياكل البروتينات المرتبطة بأدوية مختلفة، مما قد يؤدي إلى تحسين الأداء.

الانفتاح مهم

شهد العام الماضي اندفاعًا لنماذج الذكاء الاصطناعي البيولوجي الجديدة من الشركات ذات الأساليب المختلفة للانفتاح. لا يواجه أنتوني جريد، عالِم الأحياء الحاسوبية بجامعة ويسكونسن ماديسون، أي مشكلة مع الشركات التجارية التي تدخل مجاله، طالما أنها تتبع نفس القواعد التي يتبعها علماء آخرون عند مشاركة أعمالهم في المجلات وخوادم ما قبل الطباعة.

ويضيف جريد: إذا قدمت DeepMind ادعاءات حول AlphaFold3 في منشور علمي، "أتوقع منهم أيضًا مشاركة المعلومات حول كيفية إجراء التنبؤات وتوفير نماذج الذكاء الاصطناعي والأكواد بطريقة يمكننا اختبارها". "لن تستخدم مجموعتي أدوات لا يمكننا التحقق منها."

إن حقيقة ظهور عدة نسخ من AlphaFold3 بالفعل تُظهر أن النموذج كان قابلاً للتكرار، حتى بدون كود مفتوح المصدر، كما يقول بوشميت كوهلي، رئيس قسم الذكاء الاصطناعي للعلوم في DeepMind. ويضيف أنه يود أن يرى المزيد من النقاش في المستقبل حول معايير النشر في مجال يتزايد فيه عدد الباحثين الأكاديميين والشركات.

أدت طبيعة المصدر المفتوح لـ AlphaFold2 إلى زيادة الابتكار من قبل علماء آخرين. على سبيل المثال، استخدم الفائزون في مسابقة نمذجة البروتين الأخيرة أداة الذكاء الاصطناعي للقيام بذلك لتصميم بروتينات جديدة يمكن أن ترتبط بهدف السرطان. يأتي اختراق AlphaFold2 المفضل لدى Jumper من فريق استخدم الأداة من أجل للتعرف على البروتين المهم الذي يساعد الحيوانات المنوية على الالتصاق بالبويضات.

لا يستطيع Jumper الانتظار لرؤية المفاجآت التي ستظهر بعد إصدار AlphaFold3 - حتى لو لم تكن ناجحة دائمًا. ويتوقع أن "سيستخدمها الناس بطرق غريبة". "في بعض الأحيان سوف تفشل، وأحيانا سوف تنجح."