AlphaFold3، وهو نموذج للتنبؤ ببنية البروتين، والذي أحدث موجات هائلة في مجال العلوم البيولوجية، أثار محاولات واسعة النطاق لإعادة إنتاجه لأنه نشر الورقة فقط ولكنه لم يقدم الكود. تسمح استراتيجية DeepMind للعديد من العلماء باستخدام AlphaFold3 لعدد محدود من المرات على خوادم محددة، مما يثير بلا شك شهية الجميع. ومع ذلك، نجح فريق Ligo المكون من ثلاثة طلاب جامعيين من جامعة أكسفورد في إعادة إنتاج AlphaFold3 خلال أربعة أشهر فقط ويخطط لفتح مصدره، مما يجلب أخبارًا مثيرة للمجتمع العلمي. سيمنحك محرر Downcodes فهمًا متعمقًا لهذا الإنجاز المتميز لفريق Ligo.
عند تقاطع العلوم البيولوجية وعلوم الكمبيوتر، كان AlphaFold3 بمثابة نجم كبير منذ صدوره، حيث جذب اهتمامًا لا حصر له. ومن المؤسف أن Google DeepMind لم يقدم لنا سوى ورقة واحدة، لكنه لم يقدم أي كود أو أوزان نموذجية، فهي مثل الكعكة اللذيذة، ولكنها تسمح فقط للجميع بالنظر إلى المظهر دون أن يتمكنوا من تذوقها. في مواجهة هذا النهج "خلف الأبواب المغلقة"، تسعى العديد من الفرق جاهدة لتنفيذ أعمال الاستنساخ.
وفي هذا الجو الساخن، برزت شركة ناشئة تدعى Ligo، وأصبحت أول فريق يعيد إنتاج AlphaFold3. وكان المؤسسون الثلاثة لهذا الفريق جميعهم من الطلاب الجامعيين في جامعة أكسفورد. لقد حققوا هذا الإنجاز في أربعة أشهر فقط، وهو هدية عظيمة للمجتمع العلمي.
يعتبر AlphaFold3 علامة فارقة في مجال العلوم البيولوجية، وخاصة في التنبؤ ببنية البروتين، وإمكانات تطبيقه هائلة. ومع ذلك، فإن استراتيجية DeepMind مخيبة للآمال تمامًا، فأعمالهم متاحة فقط للعلماء على خوادم محددة ولديها عدد محدود من المكالمات يوميًا، مما يبدو أنه يمهد الطريق لمصالح تجارية مستقبلية. ومع ذلك، فإن الباحثين متحمسون لهذا الإنجاز لأنه يحمل القدرة على تغيير قواعد لعبة اكتشاف الأدوية بشكل كامل.
وعندما شعر العديد من العلماء بالإحباط، اتخذ فريق ليجو الخطوة الأولى بشجاعة. لم يقتصر الأمر على إعادة إنتاج نموذج AlphaFold3 فحسب، بل خططوا أيضًا لفتح مصدره حتى يتمكن المزيد من الأشخاص من الاستفادة منه. ويقول فريق ليجو إن نموذجهم فعال حاليًا في التنبؤ بهياكل البروتين، وستتبعه قدرات أخرى قريبًا.
عملية الاستنساخ ليست بسيطة. لقد قام الفريق بتحويل بنية النموذج بالكامل في ورقة DeepMind إلى كود PyTorch. وفي هذه العملية، اكتشفوا بعض المشكلات في الورقة الأصلية، مثل الخطأ في صيغة دالة الخسارة، مما قد يؤثر على تأثير التدريب. بالإضافة إلى ذلك، قاموا أيضًا بتحسين النموذج الأصلي، مثل إدخال طبقة متبقية لتحسين تدفق التدرج.
المثير في الأمر هو أن فريق Ligo لم يتبع أفكار النموذج الأصلي في هذا العمل فحسب، بل ابتكر أيضًا وجرب طريقة تنفيذ أكثر كفاءة. حتى أنهم استخدموا 8 وحدات معالجة رسوميات A100 فقط أثناء عملية التدريب لإنشاء النموذج المقابل، وكانت الكفاءة ملفتة للنظر.
على الرغم من أن DeepMind أغلقت النتائج مؤقتًا لأسباب تجارية، إلا أن إعادة إنتاج Ligo الناجحة أعطت الناس الأمل وشجعت المزيد من الفرق على المتابعة. بالإضافة إلى Ligo، يشارك فريق OpenFold من جامعة كولومبيا والمطور المستقل Phil Wang أيضًا بنشاط في هذه الحركة مفتوحة المصدر، مما يشكل نظامًا بيئيًا حيويًا للبحث العلمي.
عنوان المشروع: https://github.com/Ligo-Biosciences/AlphaFold3
إن الاستنساخ الناجح لفريق Ligo لم يكسر استراتيجية DeepMind المغلقة فحسب، بل قدم أيضًا أدوات بحث أكثر ملاءمة للعلماء في جميع أنحاء العالم. وهذا ليس انتصارًا لـ AlphaFold3 فحسب، بل أيضًا انتصارًا لروح المصدر المفتوح، التي تبشر بالتطور القوي في مجال التنبؤ ببنية البروتين في المستقبل. نحن نتطلع إلى انضمام المزيد من الفرق للعمل بشكل مشترك على تعزيز التقدم في العلوم البيولوجية!