סיקור מקיף

פריצת הדרך שתשנה הכל ברפואה

ד"ר רועי צזנה מסביר את חשיבות הפיתוח של חוקרי גוגל שהצליחו לפתח בינה מלאכותית שיכולה להבין איך חלבונים מתקפלים

קיפול חלבונים. איור: shutterstock
קיפול חלבונים. איור: shutterstock

מי שעוקב אחריי לאורך זמן יודע שאני אוהב למצוא את המחקרים שנראים קטנים וחסרי חשיבות בעיני הציבור, אבל יש להם משמעות עצומה בטווח הארוך. זה המקרה עם ההתפתחות הנוכחית, שכמה מהתגובות לגביה מצד מדענים המומחים בתחום היו –

"זה משנה משחק. זה ישנה את הרפואה. זה ישנה את המחקר. זה ישנה את הביו-הנדסה. זה ישנה הכל." (אנדריי לופאס, ביולוג אבולוציוני)

"תמיד קיוויתי שאחיה מספיק זמן כדי לראות את היום הזה, אבל לא תמיד היה ברור שאצליח." (ג'ון מולט, פרופסור לביולוגיה מולקולרית)[1]

"זוהי פריצת דרך מסדר ראשון, ובוודאי אחת מהתוצאות המדעיות המשמעותיות ביותר בימי חיי." (מוחמד אלקוריישי, ביולוג חישובי)[2]

אז מה הייתה קפיצת הדרך הגדולה הזו שגורמת למומחים לביולוגיה להתרגש כל-כך?

בפשטות: חוקרים הצליחו לפתח בינה מלאכותית שיכולה להבין איך חלבונים מתקפלים.

וכדי להסביר למה זה חשוב כל-כך, צריך להבין קודם את הבעיה.

החלבונים הם המכונות החשובות ביותר בתאים. הם עושים חלק גדול מאד מהפעולות בתא: הם משכפלים את הדנ"א, עוזרים לבנות את קרום התא, מגנים על התא ממצבי עקה כמו חום או קור, ועוד ועוד. תאי הדם האדומים יכולים לשאת חמצן לתאי הגוף בזכות ההמוגלובין שבתוכם – שהוא ברובו חלבון. אפילו הנוגדנים המפורסמים שמהווים חלק קריטי במערכת החיסון שלנו, הם חלבונים. העלימו את כל החלבונים מהתא, ותישארו עם כדורון קטן שיקרוס לתוך עצמו כמעט מיד.

בלי חלבונים, לא היינו יכולים לחיות, נקודה.

המכונות הננו-טכנולוגיות הראשונות

אמרתי שהחלבונים הם "מכונות", והתכוונתי לכך מילולית. הם אולי לא מורכבים ממתכת או מפלסטיק, אבל מכל אחד מהם הוא מכונה מורכבת ששוכללה במהלך האבולוציה כדי לבצע תפקיד מסוים. הם בנויים מאלפי אטומים שמחוברים זה לזה כך שהם יוצרים מבנה תלת-ממדי שמסוגל להוציא לפועל פונקציה כלשהי בתא. במילים אחרות, הם מכונה ננו-טכנולוגית: מכונה שפועלת בסדרי גודל של מיליארדית המטר. אתם יכולים לשים יותר ממיליארד מכונות כאלו על קצה האצבע שלכם, ועדיין בקושי תראו אותן.

ועכשיו לקצת היסטוריה. לפני ארבעים שנים בערך, הוציא הנביא הגדול של הננו-טכנולוגיה – אריק דרקסלר – את ספרו "מנועי הבריאה"[3]. בספר הוא חזה שביום בו יהיו לנו מכונות שפועלות בקנה מידה אטומי – מכונות ננו-טכנולוגיות – נוכל להתחיל לפרק אטומים ולחבר אותם מחדש זה לזה. ומכיוון שאטומים הם אבני הלגו שמרכיבים את כל המולקולות ביקום, האפשרויות שייפתחו עבורנו יהיו אינסופיות. נוכל ליצור יהלומים – שילוב של אטומי פחמן בתצורה מסוימת – בעלות אפסית. נוכל לפרק אדמה וצואה ולהפוך אותם לסטייק עסיסי. נוכל לייצר מכונות שישוחררו לאטמוספירה ויספחו את גזי החממה כדי למנוע את שינוי האקלים. נוכל לייצר תרופות שיזהו תאי סרטן במדויק ויהרגו אותם בתוך הגוף, או ינקו את העורקים כדי למנוע מחלות לב ושבצים מוחיים. קיימים אפילו חזונות מרחיקי-לכת עוד יותר, במסגרתם נשלב את המכונות הננו-טכנולוגיות במוחותינו כדי לשפר את זרימת המידע בהם ולהקפיץ את האינטיליגנציה שלנו (בין היתר) לרמות שלא ניתן לדמיין כיום.

לא מוגזם לומר שברגע שיהיו לנו מכונות ננו-טכנולוגיות משוכללות שכאלו, ייפתרו כל צרכיו הפיזיים של המין האנושי. אוכל חופשי, מים נקיים, סביבה נקייה וכן הלאה.

החלבונים, כפי שכבר הבנתם, הם מכונות ננו-טכנולוגיות שכאלו – ודרקסלר חזה כבר לפני עשרות שנים שנוכל להשתמש בחלבונים כמכונות הננו-טכנולוגיות הראשונות. אלא שיש בעיה אחת גדולה: אנחנו לא מבינים איך חלבונים נוצרים.

אני יודע שזה מתחיל להיות מסובך, אבל אל תתייאשו כאן. הכל יהיה ברור מיד.

איך חלבון נולד

כשהתא רוצה לייצר חלבון, קיימות מכונות (ניחשתם – חלבונים בעצמן) שמחברות מולקולות זו לזו כדי ליצור גדיל ארוך ודק. הגדיל הזה מתקרזל ומתקפל מסביב לעצמו, לפעמים עם סיוע ותוספות מחלבונים אחרים, עד שהוא יוצר מבנה תלת-ממדי שהוא המכונה הננו-טכנולוגית הסופית.

איך הגדיל יודע איך להתקפל בצורה הנכונה? האטומים והמולקולות שבו נמשכים אחד לשני בנקודות מסוימות, דוחים זה את בנקודות אחרות, והתוצר הסופי של כל המשיכות והדחיפות האלו הוא החלבון המוגמר. הבעיה היא שכשמדובר באלפי או במיליוני אטומים שכאלו, אפילו המחשבים הטובים ביותר שהיו לנו עד כה לא הצליחו לפענח איך גדיל מורכב מתקפל לחלבון הסופי.

אין צורך להסביר כמה העניין הזה תסכל מדענים ומהנדסים בכל העולם. אם היינו יכולים להבין איך הגדיל מתקפל לחלבון, הרי שהיינו יכולים להכתיב למכונה מבנה תלת-ממדי מסוים שהיינו רוצים ליצור – והיא הייתה מפענחת בדיוק מה מבנה הגדיל שאנחנו צריכים לייצר כדי לקבל את החלבון הרצוי. ואת הגדילים דווקא קל לנו מאד לייצר, מסיבות שלא ניכנס אליהן כאן עכשיו. אפשר לעשות זאת באמצעות תגובות כימיות פשוטות יחסית. אלא שעד עכשיו, פשוט לא ידענו איזה גדילים לייצר. זו בעיה שליוותה את מדע הביולוגיה לפחות חמישים שנים, ומדענים מכובדים השקיעו את כל חייהם כדי להבין את הדרך בה חלבונים מתקפלים ופועלים.

ביו-אינפורמטיקנים – מדענים שמנסים לשלב את הידע שלהם במחשבים ובסטטיסטיקה כדי לפתור בעיות ביולוגיות מורכבות – ניסו להתמודד עם האתגר במשך שנים ארוכות. לפני 25 שנים הם פתחו לראשונה את התחרות הנקראת CASP – ראשי התיבות של "הערכה ביקורתית של חיזוי מבנה" בעברית – במסגרתה התחרו קבוצות מחקר בחיזוי מוצלח של התקפלות החלבונים. עד עכשיו, אף משתתף לא התקרב אפילו לפתרון הבעיה.

ואלו מילות המפתח: עד עכשיו. כי ממש בימים האחרונים הודגם מנוע הבינה המלאכותית שהצליח לחזות את דרך ההתקפלות של החלבונים – מגוון רחב של חלבונים – בהצלחה.

הבינה שאחראית לקפיצת הדרך

הבינה המלאכותית בה מדובר פותחה על-ידי חברת-בת של גוגל הידועה בשם DeepMind. אותה חברה פיתחה גם בינה מלאכותית שהצליחה לנצח את אלופי העולם במשחק גו המורכב יותר משחמט[4], ובמשחקי מחשב מורכבים כמו סטארקראפט[5]. מדובר בינה מלאכותית בעלת יכולות מרחיקות-לכת, שאנו רק מתחילים להבין מה אפשר לעשות באמצעותן.

בשנים האחרונות ניסתה חברת DeepMind לפתור את בעיית ההתקפלות של החלבונים. המדענים בפרויקט פיתחו את AlphaFold, שהייתה אמורה לחזות באופן ממוחשב את דרך ההתקפלות של חלבונים. הם האמינו שהגיעו לתוצאות פורצות-דרך. ואז הם נדרשו להוכיח אותן במסגרת תחרות CASP. התוצאות הדהימו את כולם: אלפא-פולד הצליחה להגיע לרמת דיוק גבוהה משמעותית מזו של כל הקבוצות האחרות. למעשה, כשהיה מדובר בחלבונים מורכבים, היא הצליחה לחזות ברמת דיוק של תשעים אחוזים בערך את מבנה החלבון הסופי. זוהי רמת דיוק שהיינו יכולים להגיע אליה עד כה רק באמצעות ניסויים מורכבים ומייגעים בעולם הפיזי. אלפא-פולד מאפשרת לנו, באופן עקרוני, לדלג מעבר לכל אותם ניסויים שאורכים שנים, ולחזות את התוצאות תוך דקות ספורות.

במילים אחרות, אלפא-פולד היא כמעט מנוע הבינה המלאכותית שייחלנו לו בעשרות השנים האחרונות. היא עדיין לא לגמרי שם, אבל היא על הסף. לא מוגזם להניח שעוד חודשים ספורים היא כבר תוכל להגיע לתוצאות מרשימות באותה המידה עבור כמעט כל החלבונים הקיימים.

ומה יקרה אז?

ההשלכות לעתיד

ההשלכות בטווח הקצר יהיו מסחררות בפני עצמן. נוכל לנתח את מבנה החלבונים של וירוסים, למשל, תוך דקות ספורות… ולחזות איזה חלבון יוכל לעצור את הווירוס בעבודה של מספר ימים. חברות יוכלו לפתח תרופות בעבודה של שבועות. ולמרות שאלו יצטרכו לאחר מכן להיבדק בניסויים קליניים במשך שנה או יותר, אנו מתחילים לחשוב שבינות מלאכותיות מורכבות מספיק יוכלו לחזות אפילו חלק מתוצאות הניסויים האלו, וכך לקצץ את משכם באופן משמעותי.

באחת הרשומות הקודמות שלי על עתיד הרפואה חזיתי שבעוד שלושים שנים, כשיגיע הנגיף המסוכן הבא, יהיו לנו בינות מלאכותיות שיפתחו עבורו חיסון תוך שעות, וייבחנו אותו בסימולציות מורכבות תוך ימים. אלפא-פולד תהווה את הבסיס לבינות מלאכותיות שכאלו.

המהפכה הרפואית לא תעצור כאן. החלבונים המהונדסים והמתוכננים-מראש יוכלו לנקות כלי-דם, להרוג גידולים סרטניים, לסייע בשיקום החלקים במערכת העצבים שנהרסו במהלך מחלות עצבים ניווניות, להתמודד עם מחלות מטבוליות מכל הסוגים, לייצר תרופות בתוך הגוף, ואלו רק כמה מהרעיונות הראשוניים שקיימים כיום.

אל תתבלבלו – כל הפיתוחים האלו לא יגיעו מחר בבוקר, או אפילו בשנים הקרובות. אבל עד סוף העשור הנוכחי, נוכל להיות עדים לתוצרי המהפכה הביולוגית הזו, שתתבסס על אלפא-פולד ועל בינות מלאכותיות דומות.

ובטווח הארוך, עשרות שנים קדימה?

בטווח הארוך נוכל להנדס את החלבונים כך שיהפכו למכונות הננו-טכנולוגיות שחזה דרקסלר. הם יוכלו לפרק חומרים מורכבים למולקולות, ואת המולקולות לאטומים – ואז לחבר את האטומים מחדש לכל חומר שנרצה. כשנגיע לרמה כזו של שליטה בחומר, העולם כולו ישתנה לטובה… ואולי גם לרעה, מכיוון שגם טרוריסטים יוכלו להשתמש ביכולות האלו כדי לייצר חומרי נפץ במקרה הטוב, או וירוסים חדשים במקרה הרע. ועדיין, כשהטכנולוגיה הזו ברשותנו, נוכל להתמודד גם עם האיומים הגדולים ביותר בפרקי זמן אפסיים.

זו משמעותה האמיתית של פריצת הדרך שהודגמה בשבוע האחרון, ומסתתרת מאחורי אותן מילים פשוטות – "פתרון בעיית קיפול החלבונים". ואם אני נשמע כאילו אני נרגש עד עמקי נשמתי מההישג הזה, אני מתנצל, אבל בלשון המדענים – "תמיד קיוויתי שאחיה מספיק זמן כדי לראות את היום הזה. … זה משנה משחק, זה ישנה את הרפואה. …

זה ישנה הכל."

עוד בנושא באתר הידען:


[1] https://www.nytimes.com/2020/11/30/technology/deepmind-ai-protein-folding.html

[2] https://www.nature.com/articles/d41586-020-03348-4

[3] https://www.nanowerk.com/nanotechnology/reports/reportpdf/report47.pdf

[4] https://www.wired.com/2016/05/google-alpha-go-ai/

[5] https://www.nytimes.com/2019/05/30/science/deep-mind-artificial-intelligence.html

ד"ר רועי צזנה הוא חוקר עתידים, מרצה ומחבר הספרים "המדריך לעתיד ו"השולטים בעתיד"

שיתוף ב print
שיתוף ב email
שיתוף ב whatsapp
שיתוף ב linkedin
שיתוף ב twitter
שיתוף ב facebook
לוגו אתר הידען
דילוג לתוכן