OpenAI โมเดล GPT-4b micro ช่วยวิศวกรรมโปรตีน ปฏิวัติการแพทย์อายุยืน

บทความนึงเราพูดถึงการเป็นอมตะของมนุษย์เกิดขึ้นได้จริง เราจะเริ่มต้นสู่การเข้าใกล้ความเป็นอมตะในปี 2029 ไปอ่านได้นะครับ โดยรวมเป็นเรื่องการ การที่ AI กำลังเริ่มเปลี่ยนการแพทย์ให้เป็นวิทยาศาสตร์ที่แม่นยำ “AI is starting to turn medicine into an exact science” และเทคโนโลยีพัฒนาจนทำให้การเป็นอมตะเกิดขึ้นได้จริง

Retro บริษัทที่ Sam ลงทุนด้วยตัวเอง

Sam Altman ซีอีโอของ OpenAI เป็นผู้ลงทุนให้กับ Retro ด้วยเงินส่วนตัวถึง 180 ล้านดอลลาร์ ตามที่ข่าวประมาณช่วงปี 2023 โดยเป้าหมายของบริษัท Retro คือ การขยายอายุขัยของมนุษย์ทั่วไปให้ยาวขึ้นอีก 10 ปี เพื่อบรรลุเป้าหมายนี้ บริษัทกำลังศึกษาปัจจัยที่เรียกว่า Yamanaka factors¹ ซึ่งเป็นชุดของโปรตีนที่เมื่อนำไปใส่ในเซลล์ผิวหนังมนุษย์ จะทำให้เซลล์นั้นเปลี่ยนรูปร่างเป็นเซลล์ต้นกำเนิดที่ดูอ่อนเยาว์ เซลล์ประเภทนี้สามารถสร้างเนื้อเยื่อใด ๆ ในร่างกายได้ พูดง่าย ๆ คือ เอาโปรตีนชนิดนี้เข้าไปใส่ ในผิวหนัง จะรีโปรแกรมให้เซลล์นั้นย้อนกลับไปเป็นเซลล์ต้นกำเนิด iPSCs (induced Pluripotent Stem Cells) เราก็อ่อนเยาว์ขึ้น

GPT-4b micro ถูกฝึกช่วย ในการทำข้อมูลลำดับโปรตีน

เรื่องนี้เชื่อมโยงไปยัง CEO OpenAI เลยได้รับการสนับสนุนจาก Sam ด้วยการสร้าง Model GPT-4b micro ซึ่งเป็น Version ย่อยของ ChatGPT Model GPT-4 ที่ได้รับการปรับแต่งหรือออกแบบมาเพื่อวัตถุประสงค์เฉพาะ โดย OpenAI ร่วมกับบริษัท Retro Biosciences

GPT-4b Micro ถูกฝึกด้วยข้อมูลลำดับโปรตีนและการโต้ตอบระหว่างโปรตีน เพื่อเสนอแนวทางในการปรับปรุงปัจจัยยามานากะ ในการทดสอบเบื้องต้น โมเดลนี้สามารถเพิ่มประสิทธิภาพในการผลิตเซลล์ต้นกำเนิดได้ถึง 50 เท่า

โมเดลนี้ทำงานไม่เหมือนกับ AlphaFold ของ Google² ซึ่งใช้ทำนายรูปร่างของโปรตีนที่จะเกิดขึ้น กำหนดการทำงานเฉพาะของโปรตีนนั้น ๆ การรู้โครงสร้างสามมิติช่วยให้นักวิทยาศาสตร์เข้าใจว่ามันทำงานอย่างไร และจะปรับเปลี่ยนหรือยับยั้งได้อย่างไร

แต่ในการค้นพบ Yamanaka factors นั้นมีลักษณะที่อ่อนตัวและไม่มีโครงสร้างแน่นอน OpenAI จึงบอกว่าจำเป็นต้องใช้แนวทางที่แตกต่างออกไป ซึ่งโมเดลภาษาขนาดใหญ่ (large language models) ของ OpenAI มีความเหมาะสม โมเดลได้รับการฝึกด้วยตัวอย่างลำดับโปรตีนจากหลายสายพันธุ์ รวมถึงข้อมูลเกี่ยวกับโปรตีนที่มีแนวโน้มจะมีปฏิสัมพันธ์ซึ่งกันและกัน แม้ว่าจะมีข้อมูลมากมาย แต่ก็ยังเป็นเพียงเศษเสี้ยวของข้อมูลที่โมเดลแชตบอตหลักของ OpenAI ถูกฝึกมา ทำให้ GPT-4b ถือเป็นตัวอย่างของ “small language model” ที่ทำงานกับชุดข้อมูลที่มีการโฟกัสเฉพาะเจาะจง

โดยสรุปจากข่าว และการลงทุนของ Sam Alman

ภาพรวมจากอ่านข่าวนี้ก็เป็นเรื่องที่น่าสนใจ ความตั้งใจของ Sam อยากให้เกิด AGI เกิดขึ้น ซึ่งเรื่องทางการแพทย์ที่ซับซ้อนการมี AGI จะช่วยปฏิวัติวงการแพทย์อย่างแน่นอน แต่จากการอ่านข่าว ผมยังคิดว่ายังอยู่ในขั้นเริ่มต้นมาก ๆ
ครับ

ในบทความของ MIT Technology Review สัมภาษณ์นักวิทยาศาสตร์ก็ Vadim Gladyshev นักวิจัยด้านความชราจากมหาวิทยาลัยฮาร์วาร์ด ซึ่งเป็นที่ปรึกษาให้กับ Retro กล่าวว่า จำเป็นต้องมีวิธีที่ดีกว่าในการสร้างเซลล์ต้นกำเนิด “สำหรับพวกเรา มันจะมีประโยชน์มาก [เซลล์ผิวหนัง] นั้นรีโปรแกรมง่าย แต่เซลล์อื่น ๆ ไม่ใช่แบบนั้น และถ้าจะทำในสายพันธุ์ใหม่ ๆ มันก็มักจะแตกต่างกันมาก และคุณอาจไม่ได้อะไรเลย” ซึ่งก็ถือเป็นการมุ่งมั่นที่จะช่วยพัฒนาเทคโนโลยีย้อนวัยที่เจาะจงไปที่ เซลล์ผิวหนัง ก่อนเอาเป็นว่า มาเป็นข่าวให้หวือหวา ยังต้องรออีกซักพักครับ

ในช่วงหลังการลงทุนของ Sam โดยส่วนใหญ่เป็นการลงทุนส่วนตัวที่ไม่ได้เกี่ยวข้องกับทางบริษัท OpenAI ซึ่งนักลงทุนหลายท่านมองว่าเป็น “อาณาจักรการลงทุนที่ไม่โปร่งใส” “opaque investment empire” ประเด็นขัดแย้งที่อาจเกิดขึ้นมากขึ้นเรื่อย ๆ” เนื่องจากบางบริษัทเหล่านี้ก็ทำธุรกิจกับ OpenAI ด้วย

อ่านข่าว Sam Alman ไปเยอะ ๆ เรริ่มตั้งข้อสงสัย เขาเป็นคนยังไงนะ ลูกน้องรักทั้งบริษัท แต่ก็มีปัญหากับ Founder และนักลงทุน สนุกดีครับ อ่าน Source ข่าวต้นฉบับ ได้ด้านล่าง หรือดู Video นี้ได้ครับ

1. Yamanaka factors เป็นชุดของโปรตีน (หรือบางครั้งเรียกว่าปัจจัยถอดรหัส/transcription factors) 4 ชนิด ได้แก่ OCT4, SOX2, KLF4 และ c-MYC (มักย่อว่า OSKM) ซึ่งถูกค้นพบโดยศาสตราจารย์ชินยะ ยามานากะ (Shinya Yamanaka) ในปี 2006
   
   ชุดโปรตีน 4 ชนิด (OCT4, SOX2, KLF4 และ c-MYC) ที่เมื่อใส่เข้าไปในเซลล์ร่างกายผู้ใหญ่ (เช่น เซลล์ผิวหนัง) จะรีโปรแกรมให้เซลล์นั้นย้อนกลับไปเป็นเซลล์ต้นกำเนิด iPSCs (induced Pluripotent Stem Cells) ซึ่งมีความสามารถในการพัฒนาไปเป็นเซลล์หรือเนื้อเยื่อได้ทุกชนิดในร่างกาย
   กระบวนการนี้เปิดโอกาสสำคัญด้านการแพทย์ฟื้นฟู (Regenerative Medicine) เช่น การสร้างเซลล์หรืออวัยวะทดแทนสำหรับผู้ป่วย การศึกษาโรคเฉพาะบุคคล และการค้นคว้ายาใหม่ นอกจากนี้ Yamanaka factors ยังเป็นพื้นฐานให้กับงานวิจัยด้านการชะลอวัยและยืดอายุ จึงถูกให้ความสนใจอย่างมากในวงการวิทยาศาสตร์และเทคโนโลยีชีวภาพ ↩︎
2. AlphaFold เป็นผลงานของ DeepMind (บริษัทในเครือ Google) ซึ่งมีเป้าหมายหลักในการแก้ปัญหา “โปรตีนพับตัวอย่างไร” (protein folding problem) โดยใช้เทคโนโลยีปัญญาประดิษฐ์
   ในทางชีววิทยา โปรตีนเป็นโครงสร้างพื้นฐานที่สำคัญของเซลล์ แต่ละโปรตีนประกอบด้วยสายกรดอะมิโนเรียงต่อกัน แล้วพับตัวเป็นโครงสร้างสามมิติ (3D structure) ที่เป็นเอกลักษณ์ โครงสร้างนี้กำหนดการทำงานเฉพาะของโปรตีนนั้น ๆ แต่การจะคาดการณ์จากลำดับกรดอะมิโนเพียงอย่างเดียวว่ามันจะพับตัวเป็นรูปทรงสามมิติแบบใด ถือเป็นโจทย์ใหญ่ที่นักวิทยาศาสตร์พยายามแก้ไขมาหลายสิบปี
   AlphaFold จึงเข้ามามีบทบาทสำคัญ เพราะโมเดลปัญญาประดิษฐ์นี้สามารถทำนายโครงสร้างสามมิติของโปรตีนได้อย่างแม่นยำสูงภายในเวลาอันสั้น ขณะที่วิธีการแบบดั้งเดิมอาจใช้เวลาเป็นเดือนหรือปี และมีค่าใช้จ่ายสูงมาก ↩︎

MIT Technology Review: https://www.technologyreview.com/2025…
TechCrunch: https://techcrunch.com/2025/01/17/ope…