นักวิทยาศาสตร์ใช้ AI และ Quantum Computing สร้าง Peptide ชนิดใหม่ในเวลาว่าง

Key takeaway

• ทีมวิจัยจาก DTU พิสูจน์ได้ว่าการผนวก Quantum Computing เข้ากับ Generative AI สามารถผลิต Novel Peptide ที่มีประสิทธิภาพในการ Bind กับ Protein เป้าหมายได้ดีกว่า Classical AI อย่างเด่นชัด โดยเฉพาะในสถานการณ์ที่ Training Data มีจำกัด ซึ่งเป็นความท้าทายหลักในการพัฒนายาสำหรับกลุ่มประชากรเอเชียและแอฟริกาที่ยังขาดข้อมูลพันธุกรรมที่หลากหลาย
• แม้ผลลัพธ์จะน่าตื่นเต้น แต่ Quantum Computing ยังมีข้อจำกัดด้านขนาดและ Complexity ที่ Encode ได้ ทำให้ยังไม่สามารถรัน Full-Scale AI Model ระดับ Antibody ขนาดปกติได้ในปัจจุบัน บ่งชี้ว่าเทคโนโลยีนี้ยังอยู่ในช่วง Early-Stage ที่ต้องพัฒนาต่อเนื่องก่อนนำไปใช้งานจริงในระดับอุตสาหกรรม
• งานวิจัยชิ้นนี้มีนัยสำคัญในเชิง Commercial Application เพราะแสดงให้เห็น Near-Term Use Case ของ Quantum ที่จับต้องได้จริง ครอบคลุมตั้งแต่ Personalized Immunotherapy, วัคซีน, Neglected Disease ไปจนถึง Synthetic Antidote สำหรับพิษงู พร้อมกันนั้นยังเปิดโอกาสให้ภาคอุตสาหกรรมอื่นอย่าง BP และ Toyota นำ Hybrid Quantum-Classical Workflow ไปประยุกต์ใช้ในด้าน Chemistry และกระบวนการออกแบบผลิตภัณฑ์

นักวิทยาศาสตร์ประสบความสำเร็จในการพิสูจน์ว่า Quantum Computer สามารถเพิ่มความแม่นยำและขยายขีดความสามารถของ Generative AI Model เพื่อใช้ในการค้นพบยาชนิดใหม่ได้ และที่น่าทึ่งยิ่งกว่านั้นคือ ความสำเร็จครั้งนี้เกิดขึ้นในช่วงเวลาว่างและด้วยงบประมาณที่เหลือจากโครงการอื่น

ทีมวิจัยจาก Technical University of Denmark (DTU) ได้นำ Generative AI Model สำหรับการ Predict Protein มาใช้ร่วมกับ Quantum Computer ขนาดเท่าเครื่องพิมพ์ ซึ่งพัฒนาโดย ORCA Computing สตาร์ทอัพสัญชาติอังกฤษ โดยใช้เทคนิค Hybrid ที่เชื่อมต่อ Quantum Machine เข้ากับ Classical Processor เพื่อเร่งความเร็วในการประมวลผลของ AI จากนั้นทีมวิจัยใช้เทคนิคดังกล่าวเพื่อสร้าง Novel Peptide หรือสายโซ่สั้นของกรดอะมิโนที่สามารถจับกับ Protein เฉพาะในร่างกายได้ ซึ่งถือเป็นก้าวสำคัญในกระบวนการพัฒนาวัคซีน

ทีมวิจัยทุ่มเททำงานในวันหยุดสุดสัปดาห์และขอดงบประมาณที่เหลือจากโครงการอื่นๆ มาใช้ เนื่องจาก Professor Timothy Patrick Jenkins แห่ง DTU ผู้นำโครงการนี้ มองว่า "งานวิทยาศาสตร์ที่สร้างสรรค์ที่สุดมักถูกมองว่ามีความเสี่ยงสูงเกินไปสำหรับองค์กรผู้ให้ทุน"

ผลการทดสอบที่ดำเนินการในห้องปฏิบัติการ ทั้งการสังเคราะห์ Peptide และการตรวจสอบความสามารถในการ Bind กับ Protein เป้าหมาย แสดงให้เห็นว่า Model ที่ใช้ Quantum Computing สามารถผลิต Peptide ที่มีประสิทธิภาพได้มากกว่า Classical Counterpart อย่างชัดเจน โดยความแตกต่างที่โดดเด่นที่สุดปรากฏในกรณีที่ Training Data มีจำนวนจำกัด ทีมวิจัยเชื่อว่าเทคโนโลยีนี้จะช่วยเร่งการพัฒนา Personalized Immunotherapy และวัคซีน รวมถึงเพิ่ม Efficacy ของยาสำหรับกลุ่มประชากรที่ยังขาดข้อมูลการวิจัยเพียงพอ

"เราจำเป็นต้องพิสูจน์สิ่งนี้เพื่อโน้มน้าวผู้ที่ยังสงสัย ว่าการ Predict ของเรามีความเชื่อมโยงกับโลกแห่งความเป็นจริง" Patrick Jenkins กล่าวกับ WIRED ทั้งนี้ แม้ Quantum Computing จะยังอยู่ในระยะเริ่มต้นและต้องเผชิญกับการตรวจสอบอย่างเข้มงวด เนื่องจากความท้าทายทางเทคนิคในการพัฒนาและการนำเครื่องจักรเหล่านี้ไปแก้ปัญหาในทางปฏิบัติ

ที่น่าสนใจคือ Patrick Jenkins เองก็เคยลังเลต่อเทคโนโลยีนี้มาก่อน "ผมเคยเป็น Quantum Skeptic ตัวยง" เขากล่าวพร้อมหัวเราะ โดยเคยเชื่อว่ากว่าจะนำ Quantum Computing มาใช้กับงานของตนได้จริงนั้น คงต้องใช้เวลา "อีกหลายทศวรรษ"

ทีมของเขาใช้ Big Data และ AI ในการค้นหา Protein ที่อาจปลดล็อก Immunotherapy รูปแบบใหม่ๆ ได้อย่างรวดเร็วและประหยัดต้นทุน โดยได้รับการสนับสนุนหลักจาก Novo Nordisk Foundation ความท้าทายสำคัญของทีมคือการขาดข้อมูลด้านความหลากหลายทางพันธุกรรมของประชากรในระดับโลก เนื่องจากงานวิจัยทางการแพทย์ส่วนใหญ่มุ่งเน้นไปที่ประชากรตะวันตก ส่งผลให้การพัฒนา Peptide สำหรับกลุ่มประชากรในเอเชียและแอฟริกามีความซับซ้อนและยากยิ่งขึ้น

ทีมวิจัยตั้งสมมติฐานว่าการผนวก Quantum Computer เข้าสู่ Workflow สามารถช่วยให้สร้าง Peptide ที่มีความหลากหลายมากขึ้น โดยเฉพาะในกรณีที่ข้อมูลสำหรับ Target มีจำกัด หลังจากพบว่าเทคโนโลยีดังกล่าวให้ผลลัพธ์ที่คล้ายกันในการสร้างภาพ

อย่างไรก็ตาม กระบวนการที่ค้นพบใหม่นี้ยังไม่สามารถปฏิวัติวงการวิจัยได้ในทันที เนื่องจาก Quantum Computer ในปัจจุบันยังมีขนาดเล็กเกินไปสำหรับการรัน Full-Scale Cutting-Edge AI Model "Quantum ยังไม่ทรงพลังเพียงพอ ดังนั้น Level of Complexity ที่เราสามารถ Encode ได้จึงยังไม่ถึงระดับของ Antibody ขนาดปกติที่เราทำงานด้วย" Jonathan Funk นักศึกษาปริญญาเอกจาก DTU กล่าว

"ไม่น่าแปลกใจที่บริษัทในภาคอุตสาหกรรมหลายแห่งยังมองว่า Quantum คลุมเครือและดูเหมือนอยู่ห่างไกลออกไป" Richard Murray CEO ของ ORCA Computing กล่าวกับ WIRED ส่วนหนึ่งเป็นเพราะเทคโนโลยีนี้ "ไม่เคยมี Near-Term Use Case ที่ชัดเจน" เขาชี้ว่าการศึกษาครั้งนี้มีความโดดเด่นตรงที่แสดงให้เห็น Near-Term Commercial Application ของ Quantum อย่างเป็นรูปธรรม นอกจากนี้ ORCA Computing ยังนำเทคโนโลยีนี้ไปประยุกต์ใช้ผ่านโครงการร่วมกับ BP ในด้าน Chemistry และกับ Toyota เพื่อเพิ่มประสิทธิภาพกระบวนการออกแบบอีกด้วย

ทีม DTU มีแผนดำเนินการต่อเพื่อทดสอบว่า Workflow นี้สามารถนำไปใช้กับ Cutting-Edge Model และ Larger Protein ได้หรือไม่ "เราต้องการพิสูจน์ว่าขณะนี้เรามีโอกาสที่จะสร้างความเปลี่ยนแปลงอย่างมีนัยสำคัญ" Patrick Jenkins กล่าว พร้อมระบุว่า Generative AI Workflow นี้มีคุณค่าอย่างยิ่งสำหรับการวิจัย Neglected Disease ที่ได้รับเงินทุนน้อย นอกจากนี้ เขายังอยู่ระหว่างการสำรวจการนำ Quantum Computer มาช่วยเพิ่มประสิทธิภาพ Generative AI Method สำหรับการออกแบบ Synthetic Antidote เพื่อแก้พิษงูอีกด้วย

Why it matters

💡 การผสานระหว่าง Quantum Computing และ Generative AI เพื่อค้นพบยาชนิดใหม่ถือเป็นก้าวกระโดดครั้งสำคัญที่นักเทคโนโลยีและผู้เชี่ยวชาญด้าน IT ไม่ควรมองข้าม เพราะนี่คือหลักฐานชิ้นแรกที่พิสูจน์ว่า Quantum Computing มี Near-Term Commercial Application จริงในวงการ Healthcare โดยเฉพาะการพัฒนา Personalized Immunotherapy และวัคซีนสำหรับกลุ่มประชากรที่ขาดข้อมูลการวิจัย ยิ่งไปกว่านั้น ความสำเร็จนี้เกิดขึ้นด้วยทรัพยากรจำกัด ซึ่งชี้ให้เห็นว่าเทคโนโลยี Quantum กำลังเข้าใกล้การใช้งานจริงในภาคอุตสาหกรรมมากกว่าที่หลายคนคาดไว้

ข้อมูลอ้างอิงจาก https://www.wired.com/story/scientists-using-ai-and-quantum-computing-to-generate-new-peptides/