AlphaFold3 ซึ่งเป็นแบบจำลองการทำนายโครงสร้างโปรตีนที่ก่อให้เกิดคลื่นลูกใหญ่ในสาขาวิทยาศาสตร์ชีวภาพ ได้กระตุ้นให้เกิดความพยายามอย่างกว้างขวางในการทำซ้ำ เนื่องจากเป็นเพียงการตีพิมพ์บทความวิจัยแต่ไม่ได้ให้รหัส กลยุทธ์ของ DeepMind ช่วยให้นักวิทยาศาสตร์จำนวนมากใช้ AlphaFold3 ในจำนวนครั้งที่จำกัดบนเซิร์ฟเวอร์เฉพาะ ซึ่งไม่ต้องสงสัยเลยว่ากระตุ้นความอยากอาหารของทุกคน อย่างไรก็ตาม ทีม Ligo ประกอบด้วยนักศึกษาระดับปริญญาตรี 3 คนจากมหาวิทยาลัยอ็อกซ์ฟอร์ด ประสบความสำเร็จในการสร้าง AlphaFold3 ขึ้นมาใหม่ภายในเวลาเพียงสี่เดือน และวางแผนที่จะเปิดแหล่งที่มา เพื่อนำข่าวสารที่น่าตื่นเต้นมาสู่ชุมชนวิทยาศาสตร์ บรรณาธิการของ Downcodes จะทำให้คุณมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับความสำเร็จที่โดดเด่นของทีม Ligo
ที่จุดบรรจบระหว่างวิทยาศาสตร์ชีวภาพและวิทยาการคอมพิวเตอร์ AlphaFold3 เป็นเหมือนซุปเปอร์สตาร์นับตั้งแต่เปิดตัว ซึ่งดึงดูดความสนใจนับไม่ถ้วน น่าเสียดายที่ Google DeepMind ให้กระดาษมาแค่แผ่นเดียว แต่ไม่ได้ให้รหัสหรือน้ำหนักโมเดลใดๆ ไว้ เหมือนกับเค้กแสนอร่อย แต่ให้ทุกคนได้ดูรูปลักษณ์ภายนอกโดยไม่สามารถลิ้มรสได้ เมื่อต้องเผชิญกับแนวทาง "หลังประตูที่ปิด" นี้ หลายทีมจึงพยายามดิ้นรนเพื่อดำเนินงานการสืบพันธุ์
ในบรรยากาศที่ร้อนอบอ้าวเช่นนี้ บริษัทสตาร์ทอัพชื่อ Ligo มีความโดดเด่นและกลายเป็นทีมแรกที่ผลิต AlphaFold3 ขึ้นมาใหม่ ผู้ก่อตั้งทั้งสามคนของทีมนี้เป็นนักศึกษาระดับปริญญาตรีที่ Oxford University พวกเขาประสบความสำเร็จได้ภายในเวลาเพียงสี่เดือน ซึ่งถือเป็นของขวัญที่ยอดเยี่ยมสำหรับชุมชนวิทยาศาสตร์
AlphaFold3 ถือเป็นก้าวสำคัญในสาขาวิทยาศาสตร์ชีวภาพ โดยเฉพาะอย่างยิ่งในการทำนายโครงสร้างโปรตีน และมีศักยภาพในการใช้งานสูงมาก อย่างไรก็ตาม กลยุทธ์ของ DeepMind ค่อนข้างน่าผิดหวัง ผลงานของพวกเขามีให้บริการสำหรับนักวิทยาศาสตร์บนเซิร์ฟเวอร์เฉพาะเท่านั้น และมีจำนวนการโทรที่จำกัดต่อวัน ซึ่งดูเหมือนว่าจะปูทางไปสู่ผลประโยชน์ทางการค้าในอนาคต อย่างไรก็ตาม นักวิจัยรู้สึกตื่นเต้นกับความสำเร็จนี้ เนื่องจากมีศักยภาพที่จะเปลี่ยนแปลงกฎเกณฑ์ของเกมการค้นพบยาได้อย่างสมบูรณ์
เมื่อนักวิทยาศาสตร์หลายคนรู้สึกหงุดหงิด ทีม Ligo ก็ก้าวแรกอย่างกล้าหาญ พวกเขาไม่เพียงสร้างโมเดล AlphaFold3 ขึ้นมาใหม่เท่านั้น แต่ยังวางแผนที่จะเปิดซอร์สเพื่อให้ผู้คนได้รับประโยชน์มากขึ้น ทีมงาน Ligo กล่าวว่าแบบจำลองของพวกเขามีประสิทธิภาพในการทำนายโครงสร้างโปรตีน และความสามารถอื่นๆ จะตามมาในไม่ช้า
กระบวนการสร้างซ้ำไม่ใช่เรื่องง่าย ทีมงานได้แปลงสถาปัตยกรรมแบบจำลองในกระดาษ DeepMind ให้เป็นโค้ด PyTorch โดยสมบูรณ์ ในกระบวนการนี้ พวกเขาค้นพบปัญหาบางอย่างในรายงานต้นฉบับ เช่น ข้อผิดพลาดของสูตรของฟังก์ชันการสูญเสีย ซึ่งอาจส่งผลต่อผลการฝึก นอกจากนี้ พวกเขายังปรับโมเดลดั้งเดิมให้เหมาะสม เช่น การแนะนำชั้นที่เหลือเพื่อปรับปรุงการไหลแบบไล่ระดับ
สิ่งที่น่าตื่นเต้นคือทีมงาน Ligo ไม่เพียงแต่ติดตามแนวคิดของโมเดลดั้งเดิมในงานนี้เท่านั้น แต่ยังได้คิดค้นและลองใช้วิธีการนำไปใช้งานที่มีประสิทธิภาพมากขึ้นอีกด้วย พวกเขายังใช้ A100GPU เพียง 8 ตัวในระหว่างกระบวนการฝึกอบรมเพื่อสร้างโมเดลที่เกี่ยวข้อง และประสิทธิภาพก็สะดุดตา
แม้ว่า DeepMind จะปิดผลการค้นหาชั่วคราวเนื่องจากเหตุผลทางการค้า แต่ความสำเร็จของ Ligo ในการผลิตซ้ำทำให้ผู้คนมีความหวังและกระตุ้นให้ทีมติดตามผลมากขึ้น นอกจาก Ligo แล้ว ทีม OpenFold ของมหาวิทยาลัยโคลัมเบียและ Phil Wang นักพัฒนาอิสระยังมีส่วนร่วมอย่างแข็งขันในการเคลื่อนไหวแบบโอเพ่นซอร์สนี้ ซึ่งก่อให้เกิดระบบนิเวศการวิจัยทางวิทยาศาสตร์ที่ชัดเจน
ที่อยู่โครงการ: https://github.com/Ligo-Biosciences/AlphaFold3
การทำซ้ำทีม Ligo ที่ประสบความสำเร็จไม่เพียงแต่ทำลายกลยุทธ์แบบปิดของ DeepMind เท่านั้น แต่ยังมอบเครื่องมือวิจัยที่สะดวกยิ่งขึ้นสำหรับนักวิทยาศาสตร์ทั่วโลกอีกด้วย นี่ไม่ใช่แค่ชัยชนะของ AlphaFold3 เท่านั้น แต่ยังเป็นชัยชนะของจิตวิญญาณโอเพ่นซอร์สด้วย ซึ่งถือเป็นการประกาศถึงการพัฒนาอย่างแข็งแกร่งในด้านการคาดการณ์โครงสร้างโปรตีนในอนาคต เราหวังว่าจะมีทีมเข้าร่วมมากขึ้นเพื่อร่วมกันส่งเสริมความก้าวหน้าของวิทยาศาสตร์ชีวภาพ!