آیا فناوریهای جدید میتوانند بر كوويد-19 غلبه کنند؟!
عرفان محمدنیا.پژوهشگر فیزیک
آیا نبوغ انسان با کمک فناوریهای جدید و نوظهور میتواند بر كووید-19 غلبه کند؟ آیا پردازش سریعتر دادههای بیشتر و مرتبطتر و تجزیهوتحلیلشده با مدلهای مناسب، بینش بهتری در کاهش شیوع همهگیریهای آینده در اختیار ما میگذارد؟ آیا تکنولوژیهای نوین در طراحی روشهای درمانی مؤثر و ایجاد واکسنهای موفق تأثیر مثبتی خواهد داشت؟ در هفتههای اخیر نظرات گوناگونی نسبت به بهکارگیری تکنولوژیهای نوین همچون رایانههای کوانتومی در برخورد با معضل فعلی جهان ما ابراز میشود. در شرایطی که جهان با بحران پاندمی بیماری كووید-19 دستوپنجه نرم میکند، گروهی از دانشمندان امیدوار هستند که با کمک کامپیوترهای کوانتومی به شبیهسازی دقیقی از مدل سهبعدی این ویروس و تصویرسازی آرایهها و زوائد اتصالی آن به سلول هدف، دست یافته و روند مقابله با كووید-19 را تسهیل كنند. این محققان همچنین امیدوار هستند که با دانستن سازوکارهای آنزیمی و عملکردی، رفتار بیوشیمیایی كووید-19 را بهدرستی مدلسازی كرده و با هدفقراردادن این سازوکارها، به واکسن یا پادتن مناسبی جهت مقابله با آن دست یابند. اما این مدلسازیها چطور میتوانند عصای دست دانشمندان باشند؟ اگر هر گیرنده و مولکول بیوشیمیایی را یک قفل در نظر بگیریم، آنگاه میتوان با اجتناب از روشهای پرهزینه و زمانبر معمول، به مدد هوش مصنوعی برای بازكردن این قفلها ابتدا شماتیک سهبعدی دقیقی در سطح مولکولی از یک یا چند کلید بهینه ترسیم كرده و پس از آزمودن کارایی هریک از آنها در شبیهسازیهای رایانهای، کلید مناسب (دارو یا واکسن یا پادتن و...) را به شکل واقعی در آزمایشگاه، ارزیابی و تولید كنیم. دقت داشته باشید که اینگونه مدلسازیهای رایانهای، نیازمند اعمال پروسههای محاسباتی بسیار پیچیده در حجم وسیعی از دادههاست و به قدرت پردازشی بسیار فراتر از حد توانایی رایانههای معمولی نیازمند است. در نگاه نخست نیاز به این میزان سرعت و توان پردازشی نگاهها را بهسوی ابرکامپیوترها جلب میکند اما متأسفانه بسیاری از دانشمندان این غولهای چندمیلیارددلاری را هم در حل بحران فعلي، تقریبا بیاستفاده میدانند. در شرایطی که ابررایانهها میتوانند کارهای بسیار شگفتانگیزی انجام دهند، احتمالا آنها نیز بهقدری پیچیده نیستند که ما را در شناخت و گشایش اسرار و رموز عمیقی از طبیعت یاری رسانند که بیتردید در راستای مقابله با ویروس جدید خانواده کروناویروسها نیازمند دانستنشان هستیم. اگرچه امروزه در اکثر شرکتهای داروسازی، ابررایانهها مستمرا در تحقیقات جهت یافتن علاجی برای بیماریها و همینطور شناخت ساختار مولکولی ویروسها به کار گرفته میشوند، بااینحال شیوه پردازش داده در ابررایانهها مبتنی بر معماری محاسبات کلاسیک است. در این سبک از معماری محاسباتی، تمام دادهها بهصورت یکسری بیتهای باینری با ارزش صفر یا یک درمیآیند که منجر به محدودیت توانایی پردازشی آنان میشود. درحالیکه میلیاردها مولکول با ساختارهای گوناگون میتوانند عنوان گزینههای احتمالی برای یافتن واکسن یا پادتن مؤثر برای درمان كووید-19 باشند، تنها تعداد انگشتشماری از آنان جواب نهایی و دارویی مناسب و قطعی برای ازمیانبرداشتن این معضل را با خود حمل میکنند. ابررایانهها با استفاده از سیستم پردازشی دو-دویی خود را در این جنگ خلع سلاح كردهاند و این مسئله بدین سبب است که گروههای مختلفی از محققان در سراسر کره خاکی چشم امید خود را به کامپیوترهای کوانتومی بستهاند تا به کمک آنها بتوانند حداقل بخشی از این شرایط دشوار را تسهیل كنند. در این شرایط قطعا یک مزیت مهم رایانههای کوانتومی پردازش بسیار سریع آنها حتی نسبت به ابرکامپیوترهاست. اما در این میان بحث مهمتری هم وجود دارد و آن، عدم الزام به همخوانی صددرصدی در ساختار و عملکرد گیرندههای سلولی و مسیرهای آنزیمی است. به زبان ساده کلید ما بسته به میزان تطابق با قفل فرضی، میتواند عملکرد نسبی داشته باشد. به بیان سادهتر در زیستشناسی سلولی، لزوما شرایط صفر و یکی وجود ندارد. در این راه طیفی از مولکولها وجود دارند که هریک، کمی تا قسمتی مؤثر خواهند بود و ما باید در پی اپتیموم آنها باشیم. مثلا داروهای کنترل اسید معده را در نظر بگیرید. برای کنترل اسید معده ما باید به مهار گیرندههای هیستامینی بپردازیم. در ابتدا با شناخت تقریبیای که از شکل سهبعدی مولکولهای گیرنده هیستامینی نوع دو وجود داشت، نسل اولی از داروهای کنترل اسید معده مانند سایمیتیدین تجویز میشد اما این دارو در ساختار سهبعدی خود با گیرندهها کاملا جفت نمیشد و دوز بالایی از این دارو نیاز بود تا بهقدر کافی گیرندهها را مهار كند. به مرور و با شناخت بهتری که از ساختار سهبعدی گیرندههای هیستامینی به دست آمد، بهاینترتیب داروهای نسل دوم مانند رانیتیدین با ساختاری بهتر در مهار سلولهای ترشح اسید معده طراحی شدند. این داروها با یکپنجم دوز داروهای نسل اول نتیجه مطلوب را ایجاد میكردند. در متد کلاسیک آزمایشگاهی، پیداکردن آن شکل مولکولی سهبعدی و بهینه را باید با آزمون و خطا جلو برد و در نتیجه، این کار سالها اتلاف زمان، انرژی و هزینه به دنبال داشت. در این میان کامپیوترهای کوانتومی با پردازش طیفی میتوانند انواع جوابها را یکباره مورد سنجش قرار داده و طیفی از نسلهای مختلف درمانی را بررسی و پیشنهاد كنند. وقتی یک تغییر کوچک در چند اتم نتیجه بهتری داد، الگوریتمهای هوش مصنوعی با مکانیسمهای شبیه فرگشت و سازوکار انتخاب طبیعی، مولکولهای بهدردنخور را کنار میگذارند و حالا تغییرات جدید را روی مولکول بهینه، اعمال و امتحان میکنند. نسلهای مختلفی از مولکولها با جهشهای رندم یا جهتدار میتوانند در مدل، دستخوش گونهزایی شوند و اَشکال جدیدی از مولکولها با کارکرد متفاوت را پردازش و معرفی كنند. نباید از این نکته ظریف غافل شد که در ساخت داروها ما پای در قلمرو مولکولی میگذاریم؛ درست همان جایی که قواعد کلاسیک کمکم رنگ باخته و جای خود را به قوانین عجیب کوانتومی میدهند. در چنین شرایطی ما تنها با کمک شیوه محاسبات کوانتومی قادر خواهیم بود که مدلی واقعبینانه از مولكولها و برهمكنش آنان با ویروسها را بهدرستی شبیهسازی كنیم. نیاز به برخورداری از قدرت محاسبات کوانتومی نسبت به معماری سنتی محاسبات کلاسیک را میتوان برای دستیابی به مدلهای بهینهتر به دلیل گامنهادن در ابعاد ریزذرات امری غیرقابلکتمان خواهد بود. برای مثال در نظر بگیرید زمانیكه دو مولكول یا تركیب بر هم اثر میكنند، در ساخت یك مدل مناسب از این تأثیر، ابتدا باید بتوانیم نیروهای الکترواستاتیك تعاملی در سطح اتمی را بین آن مولکولها شبیهسازی كنیم. در چنین شرایطی ناتوانی ما در انجام محاسبات کوانتومی، مانعی بر آگاهی ما از مقدار این نیروهای الکترواستاتیک شده و در نتیجه امر باید اذعان كرد که آنگاه هرگونه شبیهسازی ما از دقت مناسبی برخوردار نخواهد بود. با توجه به مسائل بیانشده میتوان به اهمیت دستیابی به امکان انجام محاسبات کوانتومی پی برد. باوجوداین برخی از محققان باور دارند که نسل کنونی کامپیوترهای کوانتومی برای حل بحران فعلی جهان هنوز بسیار نوپا هستند و استفاده از آنها با محدودیتهای بسیاری همراه بوده و به این سبب شاید امکان استفاده تماموکمال از آنها فراهم نباشد اما برخی دیگر امیدوارند که بهزودی شاهد تحقق امکان بهرهبردن از شیوه محاسبات کوانتومی باشیم و بدین طریق قدرت محاسباتی گستردهای را فراهم آوریم که به ما امکان دهد ساختارهای مولکولی را در زمان واقعی نقشهبرداری كنیم و اسرار پزشکی را حل کرده و بهسرعت در شناسایی داروها و درمانهای جدید گام مناسبی برداریم.
آیا نبوغ انسان با کمک فناوریهای جدید و نوظهور میتواند بر كووید-19 غلبه کند؟ آیا پردازش سریعتر دادههای بیشتر و مرتبطتر و تجزیهوتحلیلشده با مدلهای مناسب، بینش بهتری در کاهش شیوع همهگیریهای آینده در اختیار ما میگذارد؟ آیا تکنولوژیهای نوین در طراحی روشهای درمانی مؤثر و ایجاد واکسنهای موفق تأثیر مثبتی خواهد داشت؟ در هفتههای اخیر نظرات گوناگونی نسبت به بهکارگیری تکنولوژیهای نوین همچون رایانههای کوانتومی در برخورد با معضل فعلی جهان ما ابراز میشود. در شرایطی که جهان با بحران پاندمی بیماری كووید-19 دستوپنجه نرم میکند، گروهی از دانشمندان امیدوار هستند که با کمک کامپیوترهای کوانتومی به شبیهسازی دقیقی از مدل سهبعدی این ویروس و تصویرسازی آرایهها و زوائد اتصالی آن به سلول هدف، دست یافته و روند مقابله با كووید-19 را تسهیل كنند. این محققان همچنین امیدوار هستند که با دانستن سازوکارهای آنزیمی و عملکردی، رفتار بیوشیمیایی كووید-19 را بهدرستی مدلسازی كرده و با هدفقراردادن این سازوکارها، به واکسن یا پادتن مناسبی جهت مقابله با آن دست یابند. اما این مدلسازیها چطور میتوانند عصای دست دانشمندان باشند؟ اگر هر گیرنده و مولکول بیوشیمیایی را یک قفل در نظر بگیریم، آنگاه میتوان با اجتناب از روشهای پرهزینه و زمانبر معمول، به مدد هوش مصنوعی برای بازكردن این قفلها ابتدا شماتیک سهبعدی دقیقی در سطح مولکولی از یک یا چند کلید بهینه ترسیم كرده و پس از آزمودن کارایی هریک از آنها در شبیهسازیهای رایانهای، کلید مناسب (دارو یا واکسن یا پادتن و...) را به شکل واقعی در آزمایشگاه، ارزیابی و تولید كنیم. دقت داشته باشید که اینگونه مدلسازیهای رایانهای، نیازمند اعمال پروسههای محاسباتی بسیار پیچیده در حجم وسیعی از دادههاست و به قدرت پردازشی بسیار فراتر از حد توانایی رایانههای معمولی نیازمند است. در نگاه نخست نیاز به این میزان سرعت و توان پردازشی نگاهها را بهسوی ابرکامپیوترها جلب میکند اما متأسفانه بسیاری از دانشمندان این غولهای چندمیلیارددلاری را هم در حل بحران فعلي، تقریبا بیاستفاده میدانند. در شرایطی که ابررایانهها میتوانند کارهای بسیار شگفتانگیزی انجام دهند، احتمالا آنها نیز بهقدری پیچیده نیستند که ما را در شناخت و گشایش اسرار و رموز عمیقی از طبیعت یاری رسانند که بیتردید در راستای مقابله با ویروس جدید خانواده کروناویروسها نیازمند دانستنشان هستیم. اگرچه امروزه در اکثر شرکتهای داروسازی، ابررایانهها مستمرا در تحقیقات جهت یافتن علاجی برای بیماریها و همینطور شناخت ساختار مولکولی ویروسها به کار گرفته میشوند، بااینحال شیوه پردازش داده در ابررایانهها مبتنی بر معماری محاسبات کلاسیک است. در این سبک از معماری محاسباتی، تمام دادهها بهصورت یکسری بیتهای باینری با ارزش صفر یا یک درمیآیند که منجر به محدودیت توانایی پردازشی آنان میشود. درحالیکه میلیاردها مولکول با ساختارهای گوناگون میتوانند عنوان گزینههای احتمالی برای یافتن واکسن یا پادتن مؤثر برای درمان كووید-19 باشند، تنها تعداد انگشتشماری از آنان جواب نهایی و دارویی مناسب و قطعی برای ازمیانبرداشتن این معضل را با خود حمل میکنند. ابررایانهها با استفاده از سیستم پردازشی دو-دویی خود را در این جنگ خلع سلاح كردهاند و این مسئله بدین سبب است که گروههای مختلفی از محققان در سراسر کره خاکی چشم امید خود را به کامپیوترهای کوانتومی بستهاند تا به کمک آنها بتوانند حداقل بخشی از این شرایط دشوار را تسهیل كنند. در این شرایط قطعا یک مزیت مهم رایانههای کوانتومی پردازش بسیار سریع آنها حتی نسبت به ابرکامپیوترهاست. اما در این میان بحث مهمتری هم وجود دارد و آن، عدم الزام به همخوانی صددرصدی در ساختار و عملکرد گیرندههای سلولی و مسیرهای آنزیمی است. به زبان ساده کلید ما بسته به میزان تطابق با قفل فرضی، میتواند عملکرد نسبی داشته باشد. به بیان سادهتر در زیستشناسی سلولی، لزوما شرایط صفر و یکی وجود ندارد. در این راه طیفی از مولکولها وجود دارند که هریک، کمی تا قسمتی مؤثر خواهند بود و ما باید در پی اپتیموم آنها باشیم. مثلا داروهای کنترل اسید معده را در نظر بگیرید. برای کنترل اسید معده ما باید به مهار گیرندههای هیستامینی بپردازیم. در ابتدا با شناخت تقریبیای که از شکل سهبعدی مولکولهای گیرنده هیستامینی نوع دو وجود داشت، نسل اولی از داروهای کنترل اسید معده مانند سایمیتیدین تجویز میشد اما این دارو در ساختار سهبعدی خود با گیرندهها کاملا جفت نمیشد و دوز بالایی از این دارو نیاز بود تا بهقدر کافی گیرندهها را مهار كند. به مرور و با شناخت بهتری که از ساختار سهبعدی گیرندههای هیستامینی به دست آمد، بهاینترتیب داروهای نسل دوم مانند رانیتیدین با ساختاری بهتر در مهار سلولهای ترشح اسید معده طراحی شدند. این داروها با یکپنجم دوز داروهای نسل اول نتیجه مطلوب را ایجاد میكردند. در متد کلاسیک آزمایشگاهی، پیداکردن آن شکل مولکولی سهبعدی و بهینه را باید با آزمون و خطا جلو برد و در نتیجه، این کار سالها اتلاف زمان، انرژی و هزینه به دنبال داشت. در این میان کامپیوترهای کوانتومی با پردازش طیفی میتوانند انواع جوابها را یکباره مورد سنجش قرار داده و طیفی از نسلهای مختلف درمانی را بررسی و پیشنهاد كنند. وقتی یک تغییر کوچک در چند اتم نتیجه بهتری داد، الگوریتمهای هوش مصنوعی با مکانیسمهای شبیه فرگشت و سازوکار انتخاب طبیعی، مولکولهای بهدردنخور را کنار میگذارند و حالا تغییرات جدید را روی مولکول بهینه، اعمال و امتحان میکنند. نسلهای مختلفی از مولکولها با جهشهای رندم یا جهتدار میتوانند در مدل، دستخوش گونهزایی شوند و اَشکال جدیدی از مولکولها با کارکرد متفاوت را پردازش و معرفی كنند. نباید از این نکته ظریف غافل شد که در ساخت داروها ما پای در قلمرو مولکولی میگذاریم؛ درست همان جایی که قواعد کلاسیک کمکم رنگ باخته و جای خود را به قوانین عجیب کوانتومی میدهند. در چنین شرایطی ما تنها با کمک شیوه محاسبات کوانتومی قادر خواهیم بود که مدلی واقعبینانه از مولكولها و برهمكنش آنان با ویروسها را بهدرستی شبیهسازی كنیم. نیاز به برخورداری از قدرت محاسبات کوانتومی نسبت به معماری سنتی محاسبات کلاسیک را میتوان برای دستیابی به مدلهای بهینهتر به دلیل گامنهادن در ابعاد ریزذرات امری غیرقابلکتمان خواهد بود. برای مثال در نظر بگیرید زمانیكه دو مولكول یا تركیب بر هم اثر میكنند، در ساخت یك مدل مناسب از این تأثیر، ابتدا باید بتوانیم نیروهای الکترواستاتیك تعاملی در سطح اتمی را بین آن مولکولها شبیهسازی كنیم. در چنین شرایطی ناتوانی ما در انجام محاسبات کوانتومی، مانعی بر آگاهی ما از مقدار این نیروهای الکترواستاتیک شده و در نتیجه امر باید اذعان كرد که آنگاه هرگونه شبیهسازی ما از دقت مناسبی برخوردار نخواهد بود. با توجه به مسائل بیانشده میتوان به اهمیت دستیابی به امکان انجام محاسبات کوانتومی پی برد. باوجوداین برخی از محققان باور دارند که نسل کنونی کامپیوترهای کوانتومی برای حل بحران فعلی جهان هنوز بسیار نوپا هستند و استفاده از آنها با محدودیتهای بسیاری همراه بوده و به این سبب شاید امکان استفاده تماموکمال از آنها فراهم نباشد اما برخی دیگر امیدوارند که بهزودی شاهد تحقق امکان بهرهبردن از شیوه محاسبات کوانتومی باشیم و بدین طریق قدرت محاسباتی گستردهای را فراهم آوریم که به ما امکان دهد ساختارهای مولکولی را در زمان واقعی نقشهبرداری كنیم و اسرار پزشکی را حل کرده و بهسرعت در شناسایی داروها و درمانهای جدید گام مناسبی برداریم.