ในร่างกายของสิ่งมีชีวิต โปรตีนคือฟันเฟืองและเครื่องจักรระดับนาโนที่ขับเคลื่อนเกือบทุกระบบ ตั้งแต่การขนส่งออกซิเจน การย่อยอาหาร ไปจนถึงการต่อสู้กับเชื้อโรค ทว่าโปรตีนไม่ได้ถูกสร้างขึ้นมาเป็นรูปทรง 3 มิติพร้อมใช้งานตั้งแต่แรก แต่กำเนิดมาจากสายยาวของกรดอะมิโน 20 ชนิดที่เรียงต่อกันตามรหัสพันธุกรรม ก่อนจะพับตัว (Protein Folding) เข้าหากันกลายเป็นโครงสร้าง 3 มิติที่มีร่องและพื้นผิวจำเพาะภายในเวลาเพียงเสี้ยววินาที
Levinthal’s Paradox: ปริศนาที่ซูเปอร์คอมพิวเตอร์ใช้เวลาหมื่นล้านปีก็ยังแก้ไม่ได้
ในปี 1969 ไซรัส เลวินธาล (Cyrus Levinthal) ได้ตั้งข้อสังเกตเชิงคณิตศาสตร์ว่า หากสายโปรตีนที่มีกรดอะมิโนเพียง 100 ตัว ขยับข้อต่อได้เพียง 3 รูปแบบ รูปแบบการพับตัวที่เป็นไปได้ทั้งหมดจะมีมากถึง 1047 รูปแบบ
หากคอมพิวเตอร์พยายามสุ่มคำนวณและจำลองแรงดึงดูดทางฟิสิกส์ทีละรูปแบบ ต่อให้เร็วระดับพันล้านล้านครั้งต่อวินาที ก็ยังต้องใช้เวลานานกว่าอายุของจักรวาลหลายพันล้านเท่า แต่โปรตีนในร่างกายกลับพับตัวเป็นรูปเดิมได้อย่างแม่นยำภายในเสี้ยววินาที นี่คือสิ่งเร้นลับที่เรียกว่า Levinthal’s Paradox
ตลอด 50 ปีที่ผ่านมา วงการวิทยาศาสตร์ต้องพึ่งพาการทดลองในห้องแล็บ เช่น เทคนิค X-ray Crystallography ที่ต้องตกผลึกโปรตีนและยิงรังสีเอกซ์ ซึ่งกินเวลานานหลายปีต่อโปรตีน 1 ชนิด ทำให้มนุษย์ค้นพบโครงสร้าง 3 มิติได้เพียงประมาณ 200,000 ชนิด จากสายโปรตีนที่ค้นพบแล้วกว่า 200 ล้านชนิด (คิดเป็นเพียงราว 0.1% เท่านั้น)
จุดเปลี่ยนของวงการ: เลิกจำลองฟิสิกส์ แล้วหันมาอ่าน “รอยจารึกของวิวัฒนาการ”
การแข่งขัน CASP (Critical Assessment of Structure Prediction) หรือโอลิมปิกแห่งการทำนายโครงสร้างโปรตีน ซึ่งจัดขึ้นทุก 2 ปีตั้งแต่ปี 1994 ต้องเผชิญกับคะแนนความแม่นยำเฉลี่ยที่ติดหล่มอยู่ที่ 20–40 คะแนนมานานกว่าสองทศวรรษ จนกระทั่งทีม Google DeepMind ส่งโมเดล AlphaFold ลงแข่งขัน และทะลุเส้นชัยด้วยคะแนนสูงถึง 92 คะแนน ซึ่งเทียบเท่าความแม่นยำจากการทดลองในห้องแล็บจริง
กุญแจสำคัญที่ทำให้ AlphaFold แก้ปัญหานี้ได้ ไม่ใช่การคำนวณแรงฟิสิกส์ตามวิธีดั้งเดิม แต่เป็นการมองหาคำตอบที่ธรรมชาติได้จดบันทึกไว้ในสาย DNA ผ่านวิวัฒนาการกว่า 4,000 ล้านปี:
- การกลายพันธุ์ร่วม (Co-evolution): โปรตีนชนิดเดียวกันที่พบในสิ่งมีชีวิตต่างสายพันธุ์ล้วนสืบทอดมาจากบรรพบุรุษร่วมกัน หากตำแหน่งที่ 20 กลายพันธุ์จนมีขนาดใหญ่ขึ้น ตำแหน่งที่ 300 ซึ่งอยู่ติดกันในมิติ 3 มิติมักจะต้องกลายพันธุ์ให้เล็กลงพร้อมกันเพื่อหลบพื้นที่ให้กัน AlphaFold จึงนำสายโปรตีนนับพันสายพันธุ์มาเปรียบเทียบในรูปแบบ Multiple Sequence Alignment (MSA) เพื่อจับคู่กรดอะมิโนที่เปลี่ยนแปลงพร้อมกัน ซึ่งเป็นเบาะแสสำคัญว่าสองจุดนี้อยู่ชิดกันในโลกจริง
- สถาปัตยกรรม Evoformer: โมดูลประมวลผล 48 ชั้นที่แลกเปลี่ยนข้อมูลไปมาระหว่างข้อมูลวิวัฒนาการ (MSA) และตารางแผนที่ระยะห่างระหว่างกรดอะมิโนตลอดเวลา
- กฎเรขาคณิตสามเหลี่ยม (Triangular Attention): การบังคับให้อัลกอริทึมเข้าใจอสมการสามเหลี่ยม เช่น หากจุด A ห่างจาก B 5 ซม. และ B ห่างจาก C 5 ซม. จุด A ย่อมไม่มีทางห่างจาก C เกิน 10 ซม. ช่วยตัดความเป็นไปได้ที่ไม่สมเหตุสมผลออกไป
- Invariant Point Attention (IPA): ตัดปัญหาเรื่องมุมหมุนในระบบพิกัด XYZ โดยคำนวณและตัดสินใจจากระยะห่างสัมพัทธ์ระหว่างอะตอม ทำให้โมเดลไม่สับสนไม่ว่าจะหมุนโปรตีนไปมุมใดก็ตาม
AlphaFold 3: ก้าวข้ามวิวัฒนาการด้วย Generative Diffusion Model
แม้ AlphaFold 2 จะแก้ปัญหาโปรตีนทั่วไปได้ แต่กลับมีข้อจำกัดกับโมเลกุลที่ไม่มีประวัติศาสตร์วิวัฒนาการยาวนานให้อ่าน เช่น แอนติบอดี (Antibody) ที่ระบบภูมิคุ้มกันของมนุษย์สังเคราะห์ขึ้นใหม่สด ๆ ในเวลาไม่กี่วันเพื่อสู้กับเชื้อโรค
DeepMind จึงแก้เกมด้วย AlphaFold 3 ที่เปิดตัวในปี 2024 โดยปรับสถาปัตยกรรมครั้งใหญ่:
- ลดการพึ่งพาข้อมูลวิวัฒนาการลง และใช้โมดูล Pairformer วิเคราะห์ความสัมพันธ์เชิงฟิสิกส์และการจับคู่ระหว่างอะตอมโดยตรง
- นำ Diffusion Module (เทคโนโลยีเดียวกับ AI สร้างภาพอย่าง Imagen หรือ Midjourney) มาใช้ปั้นโครงสร้าง 3 มิติ โดยเริ่มจากการกระจายพิกัดอะตอมให้ล่องลอยเป็นเมฆหมอกสุ่ม แล้วค่อย ๆ ตัดสัญญาณรบกวน (Denoise) เพื่อดึงอะตอมกลับเข้าสู่ตำแหน่งทางเคมีที่ถูกต้อง
- ขยายความสามารถให้ครอบคลุมปฏิสัมพันธ์ที่ซับซ้อนระหว่างโปรตีน, DNA, RNA ไปจนถึงโมเลกุลยาขนาดเล็ก ทำให้สามารถเห็นภาพได้ทันทีว่ายาจะเข้าไปเสียบในร่องของโปรตีนเป้าหมายอย่างไร
ผลกระทบต่อวงการแพทย์และคำถามที่ยังรอคำตอบ
ความสำเร็จนี้ส่งผลให้ทีมพัฒนาได้รับ รางวัลโนเบลสาขาเคมีประจำปี 2024 และ DeepMind ได้เปิดโครงสร้างโปรตีนกว่า 200 ล้านชนิดให้โลกใช้งานได้ฟรี ช่วยเร่งการพัฒนาวัคซีนต้านโรคมาลาเรีย และช่วยจำแนกการกลายพันธุ์ที่ก่อให้เกิดโรคทางพันธุกรรมได้ถึง 71 ล้านรูปแบบ
อย่างไรก็ตาม ความท้าทายยังไม่จบลงอย่างสมบูรณ์ เพราะ AlphaFold ในปัจจุบันทำนายได้เพียง “ภาพนิ่ง” ของโปรตีน ขณะที่ในร่างกายจริง โปรตีนจะมีการขยับและเปลี่ยนรูปอยู่ตลอดเวลา อีกทั้ง AlphaFold ยังบอกได้เพียงว่า “โปรตีนจะพับเป็นรูปอะไร” แต่ยังไม่สามารถอธิบายกลไกทางฟิสิกส์ได้อย่างชัดเจนว่า “มันพับตัวสำเร็จในเสี้ยววินาทีได้อย่างไร”
การค้นพบนี้จึงไม่ใช่จุดสิ้นสุด แต่เป็นก้าวแรกที่พิสูจน์ว่า AI สามารถเป็นเครื่องมือช่วยเปิดประตูสู่ความเข้าใจความลับของธรรมชาติที่ซับซ้อนเกินกว่าสติปัญญาดั้งเดิมของมนุษย์จะไขออกได้เพียงลำพัง
