OpenAI و Retro Biosciences: ورود به دنیای بیوتکنولوژی برای تحقق رویای افزایش طول عمر انسان

افزایش طول عمر انسان همیشه یک رویا بوده است که شبه علم به دنبال استفاده از این رویا برای جلب توجه‌ها به خود بوده است، و رمان‌های بسیاری بر اساس این رویا نگاشته شده است ولی اینبار علم به سراغ این رویا دیرین بشری و جامه عمل پوشیدن به این رویا رفته است، رویایی که حتی اگر میسر نشود می‌تواند امید بخش توسعه  درمان‌های جدید برای انواع بیماری‌ها از جمله سرطان باشد.

OpenAI در یک همکاری جذاب با Retro Bi، اولین مدل هوش مصنوعی متمرکز بر زیست‌شناسی خود را توسعه داده است. این مدل که با نام GPT-۴b micro شناخته می‌شود، آغازگر مسیر جدیدی برای این شرکت در حوزه کشف علمی و تحقیقات مرتبط با افزایش طول عمر است.

GPT-۴b micro: انقلابی در تولید سلول‌های بنیادی

مدل GPT-۴b micro به‌طور ویژه بر مهندسی پروتئین برای برنامه‌ریزی مجدد سلولی تمرکز دارد. داده‌های اولیه نشان می‌دهند که این مدل توانسته است بازده تولید سلول‌های بنیادی را تا ۵۰ برابر افزایش دهد. این پیشرفت، در صورتق تایید نهایی، می‌تواند روش‌های فعلی در تبدیل سلول‌های بالغ به سلول‌های بنیادی را به‌طور چشمگیری متحول کند.

چالش اصلی: تبدیل سلول‌های پوستی بالغ به سلول‌های بنیادی

یکی از چالش‌های بزرگ علمی، تبدیل سلول‌های پوستی بالغ به سلول‌های بنیادی است؛ فرآیندی که در حال حاضر با موفقیتی کمتر از ۱ درصد انجام می‌شود و چندین هفته طول می‌کشد. مدل جدید OpenAI تلاش می‌کند این مشکل را از طریق بازطراحی عوامل یاماناکا (Yamanaka Factors) حل کند؛ پروتئین‌های خاصی که این تبدیل سلولی را تحریک می‌کنند.

تاریخچه و پیش‌زمینه Retro Biosciences

شرکت Retro Biosciences در سال ۲۰۲۱ توسط جو بتس-لاکروا (Joe Betts-LaCroix) با سرمایه‌گذاری ۱۸۰ میلیون دلاری از سوی سم آلتمن (Sam Altman) تأسیس شد. این شرکت که بیش از ۶۰ دانشمند در آن فعالیت می‌کنند، پنج برنامه کشف علمی از جمله اتوفاژی و برنامه‌ریزی مجدد درون‌تنی را دنبال می‌کند. در سال ۲۰۲۴، Retro همکاری مهمی را با Multiply Labs آغاز کرد که شامل توافقی ۸۵ میلیون دلاری برای خودکارسازی فرآیند تولید درمان‌های سلولی است.

تفاوت رویکرد OpenAI با DeepMind

مدل GPT-۴b micro در مقایسه با مدل AlphaFold از شرکت DeepMind، به‌جای پیش‌بینی ساختار پروتئین، بر تعاملات پروتئینی تمرکز دارد. این مدل با استفاده از داده‌های مربوط به توالی پروتئین‌ها و تعاملات آنها، پیشنهاداتی برای اصلاح عوامل یاماناکا ارائه کرده که نتایج اولیه نشان می‌دهد پروتئین‌های تولید شده توسط مدل تا ۵۰ برابر مؤثرتر از روش‌های پیشین هستند.

جان هالمن، یکی از محققان OpenAI، می‌گوید: “پروتئین‌های طراحی‌شده توسط مدل تقریباً در تمام موارد بهتر از پروتئین‌هایی هستند که دانشمندان به‌صورت دستی تولید کرده‌اند. ” این مدل حتی در برخی موارد تا یک‌سوم اسید‌های آمینه یک پروتئین را تغییر می‌دهد؛ چیزی که به‌صورت سنتی در آزمایشگاه‌ها غیرممکن است.

پتانسیل‌های پزشکی: پیشرفت در توسعه اندام و جایگزینی سلول‌ها

به گفته وادیم گلادیشف، محقق برجسته دانشگاه هاروارد که با Retro همکاری می‌کند: “این پیشرفت می‌تواند در توسعه اندام‌های جایگزین و درمان‌های مبتنی بر جایگزینی سلولی، تحول‌آفرین باشد. ” او توضیح می‌دهد که در حال حاضر سلول‌های پوستی به‌راحتی برنامه‌ریزی مجدد می‌شوند، اما سایر سلول‌ها به‌این‌سادگی قابل تبدیل نیستند.

چالش‌های پیش رو: نیاز به تایید علمی

با وجود امیدواری‌های فراوان، جامعه علمی منتظر بررسی دقیق و انتشار نتایج است. OpenAI و Retro Biosciences متعهد شده‌اند که یافته‌های خود را به اشتراک بگذارند، اما هنوز زمان‌بندی مشخصی برای این کار اعلام نشده است.

در حال حاضر، مدل GPT-۴b micro بیشتر یک نمایش توانمندی است تا یک محصول تجاری. با این حال، موفقیت‌های اولیه نشان می‌دهد که آینده‌ای روشن در انتظار مهندسی پروتئین و درمان‌های مرتبط با افزایش طول عمر است.

نویسنده: دکتر پوریا عادلی متخصص رادیوانکولوژی (سرطان شناس)