Google ra mắt động cơ thiết kế thuốc AI IsoDDE: được gọi là “AlphaFold 4”, hiệu suất vượt trội so với thế hệ trước, nhưng không còn mở mã nguồn

Phòng thí nghiệm Isomorphic của Google, cũng được dẫn dắt bởi Giám đốc điều hành DeepMind Demis Hassabis, đã phát hành IsoDDE, một thế hệ mới của công cụ thiết kế thuốc AI có tên “AlphaFold 4” của Nature.

Nó hoàn toàn đè bẹp thế hệ trước, nhưng đã chọn đóng cửa hoàn toàn. Thời kỳ hoàng kim của AI đối với khoa học có thể đang đóng cửa.

Năm 2024, Demis Hassabis đứng trên bục Nobel vì AlphaFold.

Mô hình AI có thể dự đoán cấu trúc ba chiều của protein này được sử dụng bởi hơn 3 triệu nhà nghiên cứu ở hơn 190 quốc gia và là một ví dụ chuẩn về AI mang lại lợi ích cho toàn nhân loại.

Ủy ban Nobel trao giải thưởng không phải là một thuật toán mà là một tinh thần - đưa các công cụ khoa học mạnh mẽ nhất vào tay mọi nhà nghiên cứu miễn phí.

Mười sáu tháng sau, người kế nhiệm AlphaFold đã được tiết lộ.

Vào ngày 10 tháng 2, Isomorphic Labs, một công ty dược phẩm AI do Hassabis thành lập, đã phát hành một báo cáo kỹ thuật dài 27 trang giới thiệu một công cụ thiết kế thuốc có tên là IsoDDE, đã nghiền nát toàn diện AlphaFold 3 về hiệu suất, được nhà sinh học tính toán Mohammed AlQuraishi của Đại học Columbia đánh giá là “một tiến bộ lớn ở cấp độ AlphaFold 4”.

Nhưng lần này, mã sẽ không được công khai, bài báo sẽ không được xuất bản và phương pháp sẽ không được chia sẻ.

Max Jaderberg, chủ tịch của Isomorphic Labs, đã thẳng thắn với Nature: Chúng tôi không có kế hoạch tiết lộ “công thức bí mật”.

Câu chuyện mã nguồn mở của AlphaFold có khả năng kết thúc ở thế hệ thứ ba.

Khả năng thực sự mạnh mẽ đáng sợ

Hãy bắt đầu với những gì IsoDDE đã làm, điều này giúp hiểu tại sao cuộc tranh cãi lại lớn như vậy sau này.

Để sử dụng một phép so sánh ít nghiêm ngặt hơn: nếu bạn nghĩ về protein như một ổ khóa, phân tử thuốc là chìa khóa. Những gì AlphaFold làm là giúp bạn xem ổ khóa này trông như thế nào.

Nhưng chỉ nhìn thấy ổ khóa là chưa đủ - bạn phải biết liệu chìa khóa có thể quay khi nó được lắp vào, nếu nó được vặn chặt hoặc thậm chí nếu có bất kỳ lỗ khóa nào khác trên ổ khóa mà bạn không nhận thấy.

IsoDDE đang trả lời những câu hỏi khó hơn này.

Nó là một công cụ thống nhất tích hợp các khả năng như dự đoán cấu trúc, tính toán độ bền liên kết và khám phá vị trí liên kết ẩn.

Các con số rất trực quan.

Trong một thử nghiệm đặc biệt để kiểm tra xem AI có thể xử lý các cấu trúc protein mới “chưa từng có” hay không (điểm chuẩn Runs N’ Pose), IsoDDE có tỷ lệ thành công cao hơn gấp đôi so với AlphaFold 3 (AF3) khi sự tương đồng giữa mẫu thử nghiệm và dữ liệu đào tạo thấp tới 0-20% (đây là trường hợp khó nhất).

Trong số 60 trường hợp khó nhất, 17 trường hợp là AlphaFold 3 thất bại hoàn toàn và IsoDDE đã làm đúng.

AlphaFold 3 không thành công trong ví dụ này với IsoDDE đúng

Khi nói đến việc dự đoán cách các kháng thể nhận ra mục tiêu, tỷ lệ dự đoán thành công có độ chính xác cao của IsoDDE cao hơn 2,3 lần so với AlphaFold 3 và gần 20 lần so với Boltz-2, một mô hình mã nguồn mở chính thống khác.

Điều đáng ngạc nhiên nhất đối với các đồng nghiệp là dự đoán ái lực liên kết - nghĩa là xác định mức độ chặt chẽ của phân tử thuốc và mục tiêu.

Nhiệm vụ này theo truyền thống dựa trên một phương pháp mô phỏng vật lý được gọi là FEP, cực kỳ tốn kém về mặt tính toán và yêu cầu phòng thí nghiệm cung cấp cấu trúc tinh thể làm điểm khởi đầu.

IsoDDE không chỉ vượt trội hơn tất cả các phương pháp AI trên diện rộng, thậm chí cả FEP, trong nhiều thử nghiệm công khai và nó không yêu cầu bất kỳ dữ liệu thử nghiệm nào để bắt đầu.

Ngoài ra còn có một trường hợp đặc biệt đẹp trong báo cáo kỹ thuật.

Có một loại protein gọi là cereblon, và các nhà khoa học đã dành 15 năm để nghĩ rằng nó chỉ có một vị trí liên kết thuốc. Mãi cho đến đầu năm nay, một bài báo mới đã phát hiện ra một vị trí liên kết ẩn thứ hai.

Và IsoDDE vừa đi vào trình tự axit amin của protein này và tìm thấy cả hai vị trí - bao gồm cả vị trí đã bị che giấu trong 15 năm.

Các phòng thí nghiệm cũng làm điều tương tự với các thí nghiệm ngâm pha lê đắt tiền và rất nhiều thời gian. IsoDDE chỉ mất vài giây.

AlQuraishi cho biết ông ấn tượng nhất bởi khả năng tổng quát hóa của IsoDDE trên các hệ thống phân tử hoàn toàn không quen thuộc, “điều này cho thấy rằng họ phải làm một điều gì đó rất mới lạ”.

Nguồn đóng: Phần thực sự đáng lo ngại của câu chuyện

Nếu IsoDDE là một phần mềm kinh doanh thông thường, thì mã nguồn đóng là điều tự nhiên, không có nhiều điều để nói.

Vấn đề là người tiền nhiệm của nó, AlphaFold, đại diện cho một giá trị rất khác.

AlphaFold 2 được mã nguồn mở vào năm 2021 và bài báo đi kèm đã được xuất bản trên tạp chí Nature, và kết quả dự đoán là miễn phí và mở ra thế giới.

Điều này vượt xa bản thân công nghệ - nó chứng minh khả năng nghiên cứu AI tiên tiến được tài trợ bởi những gã khổng lồ công nghệ có thể thực sự trở thành hàng hóa công cộng cho toàn nhân loại.

Hơn 3 triệu nhà khoa học đã sử dụng nó để thực hiện nghiên cứu của riêng họ, nhiều dự án đã tăng tốc và toàn bộ các dòng sông sinh học đã thay đổi hướng đi của họ với nó.

AlphaFold 3 năm 2024 cũng đã xuất bản các bài báo, và mặc dù tốc độ mã nguồn mở đã gây tranh cãi, nhưng cuối cùng nó đã được mở ra cho cộng đồng học thuật.

IsoDDE phá vỡ truyền thống này.

Báo cáo kỹ thuật dài 27 trang hầu như không có chi tiết về kiến trúc mô hình và phương pháp đào tạo.

Tiêu đề phụ của báo cáo của Nature rất đơn giản: các nhà khoa học “chỉ có thể suy đoán về cách có thể đạt được kết quả tương tự”.

Những lời của Jaderberg với Thiên nhiên rất hấp dẫn. Ông nói rằng ông hy vọng báo cáo sẽ “truyền cảm hứng” cho các đội khác.

Nhưng câu trả lời của AlQuraishi có lẽ đại diện cho cảm xúc thực sự của giới học thuật: “Vấn đề là chúng ta không biết chi tiết.”

Một số người nghĩ rằng Isomorphic Labs với tư cách là một công ty thương mại để bảo vệ công nghệ cốt lõi của mình là hợp lý. Tất nhiên đó là sự thật.

Nhưng điều đáng đặt ra là: khi AI trong lĩnh vực khoa học trở nên mạnh mẽ hơn và tập trung hơn vào tay một vài công ty, ai sẽ quyết định mức độ cởi mở của những khả năng này?

Isomorphic Labs đã đảm bảo 600 triệu đô la tài chính và ký một thỏa thuận hợp tác tiềm năng trị giá 3 tỷ đô la với Eli Lilly và Novartis, với 17 đường ống dẫn thuốc hoạt động nội bộ.

Hassabis cho biết tại Davos vào tháng 1 năm nay rằng các loại thuốc đầu tiên do AI thiết kế dự kiến sẽ được thử nghiệm lâm sàng vào cuối năm 2026.

Công ty đang chuyển từ một viện nghiên cứu khoa học thành một cỗ máy thương mại.

Diego del Alamo, một nhà sinh học cấu trúc tính toán tại Takeda Pharmaceutical, chỉ ra một sự tinh tế khác: Isomorphic Labs trước đây đã đầu tư rất nhiều nỗ lực để làm việc với các công ty dược phẩm và có thể đã thu được một lượng lớn dữ liệu thí nghiệm tư nhân.

Dữ liệu bổ sung này đóng góp bao nhiêu vào hiệu suất của IsoDDE vẫn chưa được biết.

Nếu lợi thế cốt lõi đến từ các rào cản dữ liệu hơn là đổi mới thuật toán, thì cái gọi là “khuyến khích” giống như một cử chỉ.

Trại mã nguồn mở không ném vào khăn

Các nguồn đóng gây lo lắng, nhưng chúng cũng châm ngòi cho sự cạnh tranh.

Gabriele Corso, đồng phát triển Boltz-2 và là người sáng lập công ty phi lợi nhuận Boltz, nói rõ: ông không coi dữ liệu cá nhân là yếu tố then chốt, vì vẫn còn rất nhiều chỗ để cải thiện dữ liệu công khai.

IsoDDE đặt ra một đường cơ sở hiệu suất mới “cần bắt kịp và có thể hoàn toàn vượt qua”.

Một công ty khác, Deep Origin, nổi tiếng hơn, trực tiếp đưa ra một tuyên bố một ngày sau khi IsoDDE phát hành rằng công cụ DODock của họ đã đạt đến mức hiệu suất tương đương trên cùng một điểm chuẩn vào tháng 8 năm 2025 - sử dụng một lộ trình kỹ thuật hoàn toàn khác.

Cộng đồng nguồn mở đã không nhàn rỗi trong hai năm qua. Sau khi phát hành AlphaFold 3, một số nhóm đã tạo ra các mô hình mã nguồn mở gần hoặc thậm chí vượt qua một phần nó, bao gồm Boltz-1/2, Chai-1, Protenix, v.v.

Lĩnh vực dược phẩm AI đang lặp lại kịch bản trong lĩnh vực các mô hình ngôn ngữ lớn: một công ty cho thấy kết quả nguồn đóng đáng kinh ngạc và toàn bộ cộng đồng nguồn mở nhanh chóng làm theo, thu hẹp khoảng cách từ thế hệ đến bắt kịp.

Nhưng đây là một điểm khác biệt chính.

Dữ liệu đào tạo của các mô hình ngôn ngữ: Văn bản Internet, là một tài nguyên công cộng gần như không giới hạn.

Một phần đáng kể dữ liệu đào tạo dược phẩm AI, đặc biệt là dữ liệu thử nghiệm thuốc protein chất lượng cao, nằm trong tay các công ty dược phẩm.

Nếu hào của mô hình nguồn đóng được xây dựng trên dữ liệu cá nhân, thì nguồn mở khó bắt kịp hơn nhiều.

Cửa đóng

Ý nghĩa của điều này có thể vượt ra ngoài lĩnh vực khám phá thuốc.

Trong vài năm qua, “Mã nguồn mở AI thúc đẩy tiến bộ khoa học” đã là một câu chuyện được chấp nhận rộng rãi. AlphaFold là bằng chứng mạnh mẽ nhất cho câu chuyện này.

Bất cứ khi nào ai đó đặt câu hỏi nghiên cứu AI của những gã khổng lồ công nghệ đang mang lại lợi ích cho ai, AlphaFold là câu trả lời tốt nhất - hãy nhìn xem, 3 triệu nhà khoa học trên khắp thế giới đang sử dụng nó miễn phí.

Giờ đây, khi hậu duệ trực tiếp của AlphaFold chọn đóng nguồn, câu chuyện này đã bị xé toạc.

Nó gợi ý về một hướng đi có thể xảy ra trong tương lai:

AI, công cụ mạnh mẽ nhất trong lĩnh vực khoa học cơ bản, đã dần thay đổi từ hàng hóa công cộng thành tài sản thương mại;

Kết quả đột phá được công bố dưới dạng báo cáo kỹ thuật chứ không phải bài báo bình duyệt;

Học viện có thể thấy kết quả, nhưng không bao giờ thấy các phương pháp.

Hassabis từng nói rằng AI trong khoa học là một nguyên nhân phong phú hơn các mô hình ngôn ngữ. Đúng vậy. Nhưng tiền đề của sự phong phú là sự cởi mở.

Khi AI khoa học mạnh nhất chỉ mở cửa cho khách hàng trả tiền, đại đa số mọi người trong cộng đồng khoa học chỉ có thể xem từ bên ngoài hàng rào.

Huy chương Nobel của AlphaFold được khắc với lý tưởng trao tri thức cho tất cả mọi người. Báo cáo kỹ thuật của IsoDDE cho biết một tương lai mạnh mẽ hơn.

Khoảng cách giữa hai người là sự lựa chọn đang được đưa ra trong thời đại này.