જીવવિજ્ઞાનનો ૫૦ વર્ષ જૂનો કોયડો ઉકેલનાર AlphaFold: પ્રોટીનની દુનિયામાં AIની અદભૂત ક્રાંતિ

વર્ષ ૨૦૨૪માં જ્યારે રસાયણશાસ્ત્ર (Chemistry) ના નોબેલ પુરસ્કારની જાહેરાત થઈ, ત્યારે આખા વિશ્વનું ધ્યાન આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) તરફ ખેંચાયું. આ પુરસ્કારનો અડધો ભાગ Google DeepMind ના ડેમિસ હાસાબિસ (Demis Hassabis) અને જોન જમ્પર (John Jumper) ને 'પ્રોટીન સંરચનાની આગાહી' કરવા બદલ આપવામાં આવ્યો હતો. આ સફળતા પાછળ જે ટેકનોલોજી હતી તેનું નામ છે AlphaFold. આ એક એવો AI પ્રોગ્રામ છે જેણે જીવવિજ્ઞાનના સૌથી જટિલ અને ૫૦ વર્ષ જૂના 'પ્રોટીન ફોલ્ડિંગ' (protein folding) ના કોયડાને ઉકેલી નાખ્યો છે. સામાન્ય માણસ માટે પ્રોટીન એટલે કદાચ માત્ર ખોરાકનો એક ઘટક હોઈ શકે, પરંતુ વિજ્ઞાનની દ્રષ્ટિએ પ્રોટીન એ જીવનના પાયાના પથ્થરો છે. આપણા શરીરમાં થતી દરેક પ્રક્રિયા, સ્નાયુઓના હલનચલનથી લઈને રોગો સામે લડવાની ક્ષમતા સુધી, બધું જ પ્રોટીન પર નિર્ભર છે.

પ્રોટીન એ એમિનો એસિડ (amino acids) ની લાંબી સાંકળ છે. આ સાંકળ જ્યારે શરીરમાં બને છે, ત્યારે તે આપમેળે એક ચોક્કસ ત્રિ-પરિમાણીય (3-D) આકારમાં ગોઠવાય છે, જેને 'ફોલ્ડિંગ' કહેવામાં આવે છે. પ્રોટીનનો આ ૩-ડી આકાર જ નક્કી કરે છે કે તે શરીરમાં શું કામ કરશે. જો આ આકાર સમજવામાં ભૂલ થાય, તો તે કેન્સર, અલ્ઝાઈમર કે ડાયાબિટીસ જેવા રોગોનું કારણ બની શકે છે. દાયકાઓથી વૈજ્ઞાનિકો આ આકાર જાણવા માટે એક્સ-રે ક્રિસ્ટલોગ્રાફી (X-ray crystallography) જેવી મોંઘી અને સમય માંગી લેતી પદ્ધતિઓનો ઉપયોગ કરતા હતા. એક પ્રોટીનનો આકાર જાણવામાં વર્ષો નીકળી જતા હતા. AlphaFold એ આ કામ માત્ર ગણતરીની મિનિટોમાં અને અદભૂત ચોકસાઈ સાથે કરી બતાવ્યું છે.

પ્રોટીન સંરચનાની આગાહીનો ઇતિહાસ અને પડકાર

પ્રોટીનની સંરચના સમજવા માટે ૧૯૯૪માં 'ક્રિટિકલ એસેસમેન્ટ ઓફ સ્ટ્રક્ચર પ્રિડિક્શન' (CASP) નામની સ્પર્ધા શરૂ કરવામાં આવી હતી. આ સ્પર્ધાનો હેતુ વૈજ્ઞાનિકોને એવો પડકાર આપવાનો હતો કે તેઓ માત્ર એમિનો એસિડના ક્રમ પરથી પ્રોટીનનો ૩-ડી આકાર શોધી કાઢે. વર્ષ ૨૦૧૬ સુધી આ ક્ષેત્રમાં પ્રગતિ ખૂબ જ ધીમી હતી. સૌથી મુશ્કેલ પ્રોટીન માટે 'ગ્લોબલ ડિસ્ટન્સ ટેસ્ટ' (Global Distance Test - GDT) સ્કોર ૧૦૦ માંથી માત્ર ૪૦ સુધી જ પહોંચી શકતો હતો. GDT એ માપદંડ છે જે દર્શાવે છે કે AI દ્વારા અનુમાનિત આકાર વાસ્તવિક આકારની કેટલો નજીક છે. ૧૦૦ નો સ્કોર એટલે સંપૂર્ણ ચોકસાઈ. ૨૦૧૮માં DeepMind એ પહેલીવાર AlphaFold 1 સાથે આ સ્પર્ધામાં પ્રવેશ કર્યો અને પ્રથમ સ્થાન મેળવ્યું. તેણે ખાસ કરીને એવા પ્રોટીન પર સફળતા મેળવી જેના માટે અગાઉ કોઈ નમૂના ઉપલબ્ધ નહોતા.

AlphaFold 1 ની સફળતા બાદ ૨૦૨૦માં AlphaFold 2 આવ્યું, જેણે વિજ્ઞાન જગતને ચોંકાવી દીધું. CASP14 સ્પર્ધામાં AlphaFold 2 એ ૯૨.૪ નો મધ્યક (median) GDT સ્કોર મેળવ્યો. આ સ્કોર એટલો ઊંચો હતો કે તેને પ્રયોગશાળામાં કરવામાં આવતા મોંઘા પરીક્ષણો જેટલો જ સચોટ માનવામાં આવ્યો. Nature સામયિકના અહેવાલ મુજબ, AlphaFold 2 ના પરિણામો 'આશ્ચર્યજનક' અને 'પરિવર્તનકારી' હતા. આ સિસ્ટમે સાબિત કર્યું કે ડીપ લર્નિંગ (deep learning) ટેકનોલોજી જટિલ જૈવિક પ્રશ્નોના ઉકેલ લાવી શકે છે. DeepMind એ આ મોડેલને તાલીમ આપવા માટે 'પ્રોટીન ડેટા બેંક' (Protein Data Bank) ના ૧,૭૦,૦૦૦ થી વધુ પ્રોટીન સ્ટ્રક્ચર્સનો ઉપયોગ કર્યો હતો.

AlphaFold 2 કેવી રીતે કામ કરે છે? તેની આર્કિટેક્ચરલ સમજ

AlphaFold 2 એ અગાઉના વર્ઝન કરતા સાવ અલગ રીતે બનાવવામાં આવ્યું હતું. તે એક 'એન્ડ-ટુ-એન્ડ ડિફરન્શિયેબલ' (end-to-end differentiable) મોડેલ છે, જેનો અર્થ છે કે આખી સિસ્ટમ એકસાથે શીખે છે. તેની મુખ્ય તાકાત 'અટેન્શન નેટવર્ક' (attention network) માં રહેલી છે. આ એક એવી ટેકનોલોજી છે જે AI ને એ સમજવામાં મદદ કરે છે કે સમસ્યાના કયા ભાગ પર વધુ ધ્યાન આપવું જોઈએ. AlphaFold 2 માં બે મુખ્ય મોડ્યુલ છે જે ટ્રાન્સફોર્મર (transformer) ડિઝાઇન પર આધારિત છે. આ મોડ્યુલ સતત માહિતીને રિફાઇન (refine) કરે છે. તે એમિનો એસિડના જોડાણો અને પ્રોટીન સિક્વન્સ વચ્ચેના સંબંધોને વારંવાર તપાસે છે.

આ પ્રક્રિયાને સમજવા માટે એક ઉદાહરણ લઈએ: જેમ કોઈ વ્યક્તિ જિગ્સૉ પઝલ (jigsaw puzzle) ઉકેલતી હોય, તેમ AlphaFold પહેલા એમિનો એસિડના નાના ટુકડાઓને જોડે છે અને પછી ધીમે ધીમે આખા પ્રોટીનનું માળખું તૈયાર કરે છે. આ પ્રક્રિયામાં 'ઇવોફોર્મર' (Evoformer) બ્લોક મહત્વનો ભાગ ભજવે છે. તે ઉત્ક્રાંતિના ડેટા (evolutionary data) અને અવકાશી અંતર (spatial distance) ને એકસાથે જોડે છે. આ માહિતીને વારંવાર પ્રોસેસ કરવામાં આવે છે, જેથી પ્રોટીનનો આકાર વધુ ને વધુ સચોટ બનતો જાય. DeepMind ના જણાવ્યા મુજબ, આ મોડેલને તાલીમ આપવા માટે ૧૦૦ થી ૨૦૦ GPUs (Graphics Processing Units) ની પ્રોસેસિંગ પાવરનો ઉપયોગ કરવામાં આવ્યો હતો.

આર્કિટેક્ચર અને ડેટા ફ્લોની ઊંડી સમજ

AlphaFold 2 ની અંદર 'મલ્ટિપલ સિક્વન્સ અલાઇનમેન્ટ' (Multiple Sequence Alignment - MSA) નામની પ્રક્રિયા થાય છે. આમાં, જે પ્રોટીનનો આકાર શોધવાનો છે, તેના જેવા જ અન્ય પ્રોટીન જે કુદરતમાં અસ્તિત્વ ધરાવે છે, તેમની સાથે સરખામણી કરવામાં આવે છે. આનાથી AI ને ખબર પડે છે કે કયા એમિનો એસિડ એકબીજાની નજીક હોવાની શક્યતા છે. આ માહિતીને 'પેર રિપ્રેઝન્ટેશન' (pair representation) સાથે જોડવામાં આવે છે, જે પ્રોટીનના બે એમિનો એસિડ વચ્ચેના અંતરનો અંદાજ લગાવે છે. આ બંને માહિતી ઇવોફોર્મર બ્લોકમાં જાય છે, જ્યાં તે સેંકડો વખત રિફાઇન થાય છે.

છેલ્લે, એક 'સ્ટ્રક્ચર મોડ્યુલ' (structure module) આ બધી માહિતીને લઈને પ્રોટીનનો વાસ્તવિક ૩-ડી આકાર બનાવે છે. રસપ્રદ વાત એ છે કે, પ્રથમ પ્રયાસમાં આ મોડેલ કદાચ ભૌતિક રીતે અશક્ય એવા બોન્ડ એન્ગલ (bond angles) બનાવી શકે છે, પરંતુ જેમ જેમ તે આ પ્રક્રિયાનું પુનરાવર્તન (iteration) કરે છે, તેમ તેમ તે ભૂલો સુધરતી જાય છે. DeepMind ના એક ઉદાહરણ મુજબ, આઠમા પુનરાવર્તન સુધીમાં પ્રોટીનનું માળખું ભૌતિક વિજ્ઞાનના નિયમો મુજબ એકદમ સચોટ બની જાય છે. અંતિમ તબક્કે, 'AMBER force field' નામની પદ્ધતિનો ઉપયોગ કરીને સ્થાનિક ભૌતિક મર્યાદાઓને આધારે માળખાને થોડું વધુ સુધારવામાં આવે છે.

AlphaFold 3: પ્રોટીનથી આગળની સફર

૮ મે ૨૦૨૪ ના રોજ, DeepMind એ AlphaFold 3 ની જાહેરાત કરી. આ નવું વર્ઝન માત્ર પ્રોટીન પૂરતું મર્યાદિત નથી. તે પ્રોટીન જ્યારે DNA, RNA અથવા અન્ય નાના અણુઓ (ligands) સાથે જોડાય છે, ત્યારે કેવું માળખું બનશે તેની પણ આગાહી કરી શકે છે. AlphaFold 3 માં 'પેરફોર્મર' (Pairformer) નામનું નવું આર્કિટેક્ચર વાપરવામાં આવ્યું છે, જે ઇવોફોર્મર કરતા સરળ છે. આ ઉપરાંત, તેમાં 'ડિફ્યુઝન મોડેલ' (diffusion model) નો ઉપયોગ થયો છે. આ એ જ ટેકનોલોજી છે જેનો ઉપયોગ AI ઈમેજ જનરેટર્સ (જેમ કે Midjourney) માં થાય છે. તે અણુઓના સ્થાનને ધીમે ધીમે રિફાઇન કરીને સચોટ માળખું તૈયાર કરે છે.

કંપનીના દાવા મુજબ, AlphaFold 3 અન્ય અણુઓ સાથેના પ્રોટીન જોડાણોની આગાહી કરવામાં અગાઉની પદ્ધતિઓ કરતા ૫૦% વધુ સચોટ છે. આ ક્ષમતા દવાઓની શોધ (drug discovery) માટે ક્રાંતિકારી સાબિત થઈ શકે છે. હવે વૈજ્ઞાનિકો એ જાણી શકશે કે કોઈ ચોક્કસ દવા પ્રોટીન સાથે કેવી રીતે પ્રતિક્રિયા આપશે, તે પણ પ્રયોગશાળામાં ગયા વગર. નવેમ્બર ૨૦૨૫ સુધીમાં, AlphaFold 3 ના સંશોધન પત્રને ૯,૦૦૦ થી વધુ વખત ટાંકવામાં (cited) આવ્યું છે, જે તેની લોકપ્રિયતા દર્શાવે છે.

વિજ્ઞાન અને ભારત માટે તેનું મહત્વ

AlphaFold ની સૌથી મોટી અસર એ છે કે DeepMind એ તેનો ડેટાબેઝ અને સોફ્ટવેર ઓપન સોર્સ (open source) કર્યા છે. અત્યાર સુધીમાં ૨૦ કરોડથી વધુ પ્રોટીનની સંરચનાઓ આ ડેટાબેઝમાં ઉપલબ્ધ છે. આનો અર્થ એ છે કે દુનિયાના કોઈપણ ખૂણે બેઠેલો વૈજ્ઞાનિક, પછી તે ભારતના કોઈ નાના ગામની લેબમાં હોય, તે આ ડેટાનો મફતમાં ઉપયોગ કરી શકે છે. અગાઉ જે કામ માટે લાખો રૂપિયા અને વર્ષોનો સમય જોઈતો હતો, તે હવે ઇન્ટરનેટના માધ્યમથી મફતમાં ઉપલબ્ધ છે. આનાથી એન્ટીબાયોટીક્સના પ્રતિકાર (antibiotic resistance) ને સમજવામાં અને નવી રસીઓ બનાવવામાં ઘણી મદદ મળી રહી છે.

જોકે, કેટલાક સંશોધકો માને છે કે AlphaFold હજુ પણ પ્રોટીન ફોલ્ડિંગના મૂળભૂત નિયમો અથવા તેની પાછળની ભૌતિક પ્રક્રિયાને સંપૂર્ણપણે સમજાવતું નથી. તે માત્ર એક શક્તિશાળી પેટર્ન રેકગ્નિશન (pattern recognition) ટૂલ છે. તેમ છતાં, તેની ઉપયોગિતા નકારી શકાય તેમ નથી. ૨૦૨૬ માં ગૂગલે આ પ્રોજેક્ટ સાથે જોડાયેલી ટીમને વિખેરી નાખી અને તેમને Gemini અથવા Isomorphic Labs માં ખસેડ્યા હોવા છતાં, AlphaFold એ વિજ્ઞાનના ઇતિહાસમાં પોતાનું નામ સુવર્ણ અક્ષરે અંકિત કરી દીધું છે.

આંકડાકીય સરખામણી અને સિદ્ધિઓ

AlphaFold ની સફળતાને સમજવા માટે તેના CASP સ્પર્ધાના સ્કોર્સ જોવા જરૂરી છે. AlphaFold 2 એ જે ૯૨.૪ નો સ્કોર મેળવ્યો હતો, તે વિજ્ઞાનમાં એક માઇલસ્ટોન ગણાય છે. સામાન્ય રીતે ૯૦ થી ઉપરનો સ્કોર એટલે પ્રાયોગિક પદ્ધતિઓ જેટલી જ સચોટતા. AlphaFold 1 વખતે આ સ્કોર ૬૮.૫ હતો. આ પ્રગતિ દર્શાવે છે કે માત્ર બે વર્ષમાં AI એ કેટલી મોટી છલાંગ લગાવી હતી. AlphaFold-Multimer નામના અપડેટ સાથે, તે પ્રોટીન-પ્રોટીન વચ્ચેના જોડાણોની આગાહી કરવામાં ૭૦% વખત સફળ રહ્યું છે.

આજે જ્યારે આપણે આધુનિક દવાઓ કે બાયોટેકનોલોજીની વાત કરીએ છીએ, ત્યારે AlphaFold વગર તે અધૂરી છે. તે માત્ર એક સોફ્ટવેર નથી, પરંતુ માનવ બુદ્ધિ અને મશીન લર્નિંગના મિલનનું એક ઉત્કૃષ્ટ ઉદાહરણ છે. ભવિષ્યમાં જ્યારે આપણે કેન્સર કે અન્ય અસાધ્ય રોગોની સચોટ સારવાર શોધીશું, ત્યારે તેમાં AlphaFold દ્વારા આપવામાં આવેલી પ્રોટીન સંરચનાઓનો પાયો હશે. વિજ્ઞાનના આ 'આવતીકાલ' એ સાબિત કર્યું છે કે AI માત્ર ચેટબોટ્સ બનાવવા માટે નથી, પરંતુ તે કુદરતના ગૂઢ રહસ્યો ઉકેલવા માટેનું એક શક્તિશાળી શસ્ત્ર છે.