คืนชีพดีเอ็นเอแมมมอธเพื่ออนาคตการแพทย์! AI ช่วยนักวิทย์ฯ ขุดค้น 'ยาปฏิชีวนะ' จากสิ่งมีชีวิตที่สูญพันธุ์ได้สำเร็จ

เมื่อ 20 ปีก่อน César de la Fuente ยังเป็นแค่วัยรุ่นธรรมดาคนหนึ่งที่กำลังมองหาความหมายของชีวิต เขาทำในสิ่งที่วัยรุ่นหลายคนอาจไม่เคยทำ คือนั่งลงมาจดรายการปัญหาที่ใหญ่ที่สุดของโลก จากนั้นจัดอันดับมันด้วยวิธีที่แปลก โดยยิ่งปัญหาไหนได้เงินสนับสนุนจากรัฐบาลน้อย แสดงว่ามันสำคัญและถูกมองข้ามมากที่สุด

ปัญหาที่ขึ้นอันดับหนึ่งในรายการของเขาคือ "เชื้อดื้อยาปฏิชีวนะ" (Antimicrobial Resistance) ซึ่งเป็นปัญหาที่แทบไม่มีใครพูดถึงในตอนนั้น ไม่มีพาดหัว ไม่มี Hollywood ทำหนังให้

วันนี้ César de la Fuente วัย 40 ปี นั่งอยู่ในห้องแล็บที่มหาวิทยาลัยเพนซิลเวเนีย นำทีม Machine Biology Group ซึ่งมีนักวิทยาศาสตร์ 16 คน พยายามแก้ปัญหาเดียวกันที่เขาเขียนไว้ในกระดาษสมัยเด็ก แต่ตอนนี้เขามีอาวุธที่แรงกว่าเดิมคือปัญญาประดิษฐ์ที่สามารถอ่าน "โค้ด" ของทุกสิ่งมีชีวิตที่เคยมีอยู่บนโลกใบนี้

โลกกำลังแพ้สงครามกับเชื้อโรค

ทุกปีมีผู้เสียชีวิตจากการติดเชื้อที่ดื้อยามากกว่า 4.7 ล้านคน ภายในปี 2050 หรืออีกไม่ถึง 25 ปี จำนวนนี้จะพุ่งสูงขึ้นเป็น 8-10 ล้านคน ซึ่งมากกว่าผู้เสียชีวิตจากมะเร็งในปัจจุบันเสียอีก

เหตุผลไม่ซับซ้อนเลย นั่นคือเชื้อโรควิวัฒนาการเร็วกว่าเรา

ทุกครั้งที่มีคนใช้ยาปฏิชีวนะผิดวิธี ไม่ว่าจะเป็นกินไม่ครบคอร์ส ซื้อกินเอง หรือแพทย์สั่งให้มากเกินไป มันเหมือนกับเราฝึกเชื้อโรคให้แข็งแกร่งขึ้น บางตัวรอดชีวิต เรียนรู้ และส่งต่อความดื้อยาไปยังรุ่นถัดไป จนกลายเป็น "ซูเปอร์แบคทีเรีย" ที่ยาธรรมดาฆ่าไม่ตาย

ในเดือนกรกฎาคม 2025 César de la Fuente และ James Collins นักชีววิทยาสังเคราะห์จาก MIT เขียนบทความในวารสาร Physical Review Letters เตือนว่าเรากำลังเข้าสู่ "ยุคหลังยาปฏิชีวนะ" (Post-antibiotic Era) คือยุคที่การติดเชื้อธรรมดาอย่าง E. coli หรือ Staphylococcus aureus ที่เคยรักษาง่ายอาจกลายเป็นโรคระดับเสี่ยงตายได้

ทำไมหายาปฏิชีวนะใหม่ถึงยากขนาดนี้?

ลองนึกภาพว่าคุณต้องหาเข็มหนึ่งเล่มในกองทราย แต่กองทรายนั้นไม่ใช่กองทรายธรรมดา แต่เป็นกองทรายที่มีเม็ดทรายมากกว่า 10⁶⁰ เม็ด หรือเป็นตัวเลขที่มี 60 ศูนย์ตามหลัง

นั่นคือจำนวนโมเลกุลออร์แกนิกที่เป็นไปได้ทั้งหมดที่สามารถสังเคราะห์ได้ ในขณะที่โลกทั้งใบนี้มีเม็ดทรายเพียง 10¹⁸ เม็ดเท่านั้น

วิธีการแบบเดิมที่นักวิทยาศาสตร์ใช้มานานหลายทศวรรษคือ "ขุดดิน ขุดน้ำ พยายามสกัดโมเลกุลที่มีคุณสมบัติต้านเชื้อโรคออกมา" César de la Fuente อธิบาย มันเหมือนการเสี่ยงโชค เพราะไม่มีแผนที่ ไม่มีทิศทาง แค่หวังว่าจะโชคดี

และแม้จะเจอตัวที่มีแววดี การพัฒนาจนกลายเป็นยาที่ใช้ได้จริงก็ใช้เวลา 10-15 ปี ใช้เงินหลายพันล้านดอลลาร์ และมีโอกาสล้มเหลวสูงมาก "หลายบริษัทที่พยายามพัฒนายาปฏิชีวนะในอดีตล้มละลายไปแล้ว เพราะผลตอบแทนไม่คุ้ม" César de la Fuente กล่าว

เมื่อ AI เข้ามาเปลี่ยนเกม

แต่ถ้าเราไม่ต้องขุดดิน ไม่ต้องเสี่ยงโชคล่ะ? ถ้าเราสามารถ อ่านโค้ด ของชีวิตได้ล่ะ?

นั่นคือแนวคิดที่ César de la Fuente ใช้ "ชีววิทยาคือแหล่งข้อมูล มันเหมือนกองโค้ดมหาศาล" เขาอธิบาย "DNA มี 4 ตัวอักษร คือ A, T, G, C ส่วนโปรตีนและเปปไทด์มี 20 ตัวอักษร ซึ่งแต่ละตัวแทนกรดอะมิโนหนึ่งชนิด"

"ถ้าคุณคิดแบบนี้ คุณก็สามารถสร้างอัลกอริทึมเพื่อ 'ขุด' ในโค้ดเหล่านั้น และค้นหาโมเลกุลที่มีหน้าที่เฉพาะได้ ไม่ว่าจะเป็นยาปฏิชีวนะ ยาต้านมาลาเรีย หรือแม้แต่ยาต้านมะเร็ง"

งานของเขามุ่งเน้นที่ Antimicrobial Peptides (AMPs) หรือเปปไทด์ที่มีคุณสมบัติต้านเชื้อโรค ซึ่งเป็นโมเลกุลขนาดเล็กที่ประกอบด้วยกรดอะมิโน 2-50 ตัวต่อกัน

ทำไมต้อง AMPs? เพราะมันคืออาวุธที่ร่างกายเราใช้อยู่แล้ว

AMPs เป็นส่วนหนึ่งของระบบภูมิคุ้มกัน ทำหน้าที่เป็นแนวรับแรกเมื่อเชื้อโรคบุกรุก และที่สำคัญคือมันโจมตีเชื้อโรคได้หลายทางพร้อมกัน

ยาปฏิชีวนะแบบเดิมมักมีกลไกเดียว อาทิเจาะผนังเซลล์ หรือขัดขวางการสร้างโปรตีน หรือรบกวนการทำสำเนา DNA ดังนั้นเชื้อโรคจึงพัฒนาการป้องกันได้ง่าย เหมือนปิดประตูหนึ่งบาน

แต่ AMPs ทำหลายอย่างพร้อมกัน ทั้งเจาะผนังเซลล์ ทำลายสารพันธุกรรม และรบกวนกระบวนการภายในเซลล์หลายอย่างในเวลาเดียวกัน เหมือนล็อกประตูหลายบานพร้อมกัน ทำให้เชื้อโรคพัฒนาความดื้อยาได้ยากกว่ามาก

การล่าขุมทรัพย์ในโค้ดของสิ่งมีชีวิต

เมื่อมองโลกผ่านมุมมองนี้ ทุกสิ่งมีชีวิตที่เคยมีอยู่บนโลกกลายเป็นห้องสมุดมหาศาล César de la Fuente และทีมเริ่มค้นหาในที่ที่ไม่มีใครคิดจะไปมองก่อนหน้านี้

จากพิษของสัตว์ร้าย

พิษของงู ต่อ และแมงมุม ซึ่งเป็นสิ่งที่มนุษย์กลัว กลับกลายเป็นแหล่งที่มาของยาปฏิชีวนะที่มีศักยภาพ เพราะสารพิษเหล่านี้วิวัฒนาการมานับล้านปีเพื่อทำลายเซลล์ของเหยื่อ ซึ่งก็คือกลไกเดียวกับที่เราต้องการใช้ทำลายเชื้อโรค

จากจุลินทรีย์โบราณ

ในเดือนสิงหาคม 2025 ทีมของเขาตีพิมพ์ผลงานเกี่ยวกับ AMPs ที่ค้นพบจาก archaea หรือจุลินทรีย์เซลล์เดียวโบราณที่อยู่รอดมาได้ในสภาพแวดล้อมสุดโหด เช่น น้ำพุร้อนกรดกำมะถัน หรือทะเลสาบเค็มจัด สิ่งมีชีวิตที่อยู่รอดในที่เหล่านี้ได้ย่อมมีกลไกป้องกันที่แข็งแกร่งมาก

จากสัตว์ที่สูญพันธุ์ไปแล้ว

แต่โครงการที่ทะเยอทะยานและน่าตื่นเต้นที่สุดคือ "Molecular De-extinction" หรือการฟื้นคืนชีพโมเลกุลจากสัตว์ที่สูญพันธุ์ไปแล้ว

ลองจินตนาการดูว่า แมมมอธขนยาว เดินท่องโลกที่เต็มไปด้วยเชื้อโรคมานับหมื่นปี รวมถึงสลอธยักษ์ วัวทะเลโบราณ และแม้แต่มนุษย์ยุคก่อนประวัติศาสตร์อย่างนีแอนเดอร์ทัล และเดนิโซวัน พวกเขาทุกคนต้องต่อสู้กับเชื้อโรคเพื่อความอยู่รอด และบางทีในพันธุกรรมของพวกเขาอาจมีอาวุธที่เราต้องการในวันนี้

César de la Fuente และทีมสแกนข้อมูลพันธุกรรมที่ตีพิมพ์แล้วของสิ่งมีชีวิตเหล่านี้ และใช้ AI คัดกรองหาสูตรที่อาจทำงานเป็นยาปฏิชีวนะได้

จากการค้นหานี้ เกิดสารประกอบที่ฟื้นคืนชีพขึ้นมา อาทิ

• Mammuthusin-2 จาก DNA ของแมมมอถขนยาว
• Mylodonin-2 จากสลอธยักษ์
• Hydrodamin-1 จากวัวทะเลโบราณ

โดยในช่วงไม่กี่ปีที่ผ่านมา ห้องสมุดพันธุกรรมของ César de la Fuente เติบโตขึ้นเป็นมากกว่า 1 ล้านสูตร ซึ่งเป็นคลังข้อมูลที่ใหญ่ที่สุดของโมเลกุลที่มีศักยภาพเป็นยาปฏิชีวนะในโลก

จากโค้ดสู่การรักษาจริง

แต่การมีข้อมูลล้านสูตรไม่เพียงพอ ต้องทำให้มันกลายเป็นยาที่ใช้ได้จริง

เมื่อปีที่แล้ว ทีมของ César de la Fuente ก้าวไปอีกขั้น โดยใช้ Generative AI ซึ่งเป็นเทคโนโลยีเดียวกับที่สร้าง ChatGPT แต่ใช้ออกแบบ AMPs ใหม่ที่ไม่เคยมีในธรรมชาติมาก่อน จากนั้นใช้โมเดล AI อีกตัวหนึ่งประเมินว่าโมเลกุลที่ออกแบบมานั้นจะได้ผลหรือไม่

เมื่อนำไปทดลองกับหนูที่ติดเชื้อ Acinetobacter baumannii ซึ่งดื้อยาหลายชนิด และเป็นเชื้อที่องค์การอนามัยโลก (WHO) จัดให้เป็น "ความเร่งด่วนสูงสุด" ในการวิจัย ผลปรากฏว่าสารทดลองทั้งสองชนิดสามารถรักษาการติดเชื้อได้อย่างปลอดภัย

นี่คือครั้งแรกที่ AI ออกแบบยาปฏิชีวนะตั้งแต่ต้น และมันใช้ได้ผลในสัตว์ทดลอง

อนาคตจาก ApexOracle

ขณะนี้ César de la Fuente และทีมกำลังพัฒนาโมเดล AI ที่ทะเยอทะยานที่สุดในชีวิตของพวกเขา นั่นคือ ApexOracle มันคือระบบ multimodal ที่ออกแบบมาเพื่อ

1. วิเคราะห์เชื้อโรคตัวใหม่ที่ยังไม่เคยเจอมาก่อน
2. ระบุจุดอ่อนทางพันธุกรรมของมัน
3. จับคู่กับ AMPs จากห้องสมุด 1 ล้านสูตรที่อาจใช้ได้ผล
4. ออกแบบยาที่เหมาะสมที่สุด
5. คาดการณ์ว่ายาจะได้ผลแค่ไหนในการทดสอบห้องแล็บ ก่อนที่จะต้องไปทดลองจริง

"มันรวมความเข้าใจทั้งเคมี พันธุศาสตร์ และภาษาเข้าด้วยกัน มันเหมือนมี AI ที่เป็นทั้งนักชีววิทยา นักเคมี และแพทย์ในตัวเดียว ที่สามารถออกแบบยาเฉพาะสำหรับเชื้อโรคแต่ละตัวได้ภายในเวลาอันสั้น" César de la Fuente อธิบาย

ความท้าทายที่ยังเหลืออยู่

แต่ César de la Fuente ไม่ได้มองโลกในแง่ดีเกินไป เขายอมรับว่ายังมีรายละเอียดมากมายที่ต้องแก้ ไม่ว่าจะเป็นเรื่องของปริมาณยา วิธีส่งยาเข้าสู่ร่างกาย เป้าหมายเฉพาะที่ยาจะโจมตี ผลข้างเคียง และที่สำคัญคือการทดลองในมนุษย์

โมเลกุลที่เขาค้นพบยังไม่กลายเป็นยาที่คนกินได้ แต่ผลลัพธ์ในห้องแล็บและในหนูทดลองให้ความหวัง "เรายังอยู่ในช่วงการค้นพบแต่เป้าหมายคือนำตัวเลือกเหล่านี้เข้าสู่การทดสอบทางคลินิกให้ได้"

วัย 40 ปี กับรางวัลนับไม่ถ้วน

ในช่วงไม่กี่ปีที่ผ่านมา César de la Fuente ได้รับรางวัลมากมายจาก American Society for Microbiology, American Chemical Society และองค์กรอื่นๆ ในปี 2019 นิตยสาร MIT Technology Review จัดให้เขาเป็นหนึ่งใน "35 Innovators Under 35" สำหรับการนำแนวทางเชิงคอมพิวเตอร์มาใช้ในการค้นหายาปฏิชีวนะ

แต่สิ่งที่เขาต้องการมากกว่ารางวัลคือการเห็นยาที่เขาพัฒนาช่วยชีวิตคนได้จริง เขาอธิบายว่าปัญหาเรื่องเชื้อดื้อยาเป็นปัญหาเกือบจะเป็นไปไม่ได้แต่เขามองเห็นโอกาสในคำว่า "เกือบ" นั่นแหละ

เทคโนโลยี AI ช่วยประหยัดเวลาวิจัยหลายทศวรรษไปแล้ว สิ่งที่เคยใช้เวลานักวิทยาศาสตร์ทั้งชีวิตในการค้นหา ตอนนี้ AI สามารถทำได้ในไม่กี่วันหรือไม่กี่ชั่วโมง

"เทคโนโลยีช่วยประหยัดเวลาวิจัยหลายสิบปีไปแล้ว และตอนนี้ผมอยากให้มันช่วยชีวิตคนด้วย นี่คือโลกที่เราอยู่ในวันนี้ และมันน่าทึ่งมาก"

ในโลกที่เชื้อโรควิวัฒนาการเร็วกว่ายาที่เราสร้าง ในยุคที่การติดเชื้อธรรมดาอาจกลายเป็นโรคร้ายแรงได้ การที่ César de la Fuente และนักวิทยาศาสตร์คนอื่นๆ ใช้ AI ค้นหายาจากโค้ดของสิ่งมีชีวิตทุกชนิดบนโลก แม้แต่สิ่งที่สูญพันธุ์ไปนานแล้ว อาจเป็นกุญแจสำคัญที่จะทำให้มนุษยชาติอยู่รอดในอนาคต

บางทีคำตอบที่เราหาอยู่ ไม่ได้อยู่ในห้องแล็บที่ทันสมัย แต่ซ่อนอยู่ในพันธุกรรมของแมมมอธที่สูญพันธุ์ไปแล้วนับหมื่นปี หรือในพิษของงูที่เรากลัว หรือในจุลินทรีย์โบราณที่อาศัยอยู่ในที่ที่ไม่มีสิ่งมีชีวิตอื่นรอด

และตอนนี้ เราก็มีเทคโนโลยีที่จะอ่านโค้ดเหล่านั้นได้แล้ว

ที่มา: MIT Technology Review