16:06 03-12-2020 563 lượt xem

Phòng thí nghiệm trí tuệ nhân tạo London đưa ra phát minh đột phá giúp rút ngắn thời gian tìm ra các loại thuốc

Phòng thí nghiệm trí tuệ nhân tạo London đưa ra phát minh đột phá giúp rút ngắn thời gian tìm ra các loại thuốc

Các nhà nghiên cứu tại DeepMind nói rằng họ đã giải quyết “vấn đề cuộn gập Protein”, bài toán gây ra bao trở ngại cho các nhà khoa học hơn 50 năm qua. 

Có những nhà khoa học đã dành cả cuộc đời mình để nỗ lực tìm ra hình dạng protein nhỏ bé trong cơ thể người. 

Proteins bao gồm các thành phần bé nhỏ phải nhìn bằng kính hiển vi, có chức năng điều khiển hành động của vi-rút, vi khuẩn, cơ thể người và tất cả các sinh vật sống. Chúng bắt đầu như một chuỗi các hợp chất hoá học, trước khi xoắn lại và cuộc gập thành những hình dạng ba chiều rồi xác định chúng có thể làm gì - và không thể làm gì. 

Đối với các nhà sinh học, việc xác định hình dạng chính xác protein thường ngốn nhiều tháng, nhiều năm hoặc thậm chí nhiều thập kỷ thử nghiệm. Điều này đòi hỏi kỹ năng, sự thông minh và rất nhiều nỗ lực. Đôi khi họ còn không bao giờ thành công. 

Hiện nay, phòng thí nghiệm trí tuệ nhân tạo tại London đã xây dựng hệ thống máy tính có thể đảm nhận công việc trong vài giờ - thậm chí có thể là vài phút đồng hồ. 

Deepmind, phòng thí nghiệm thuộc sở hữu của công ty mẹ Google, nói rằng vào thứ Hai, hệ thống của họ, với tên gọi AlphaFold, đã giải quyết được thứ được gọi là “vấn đề cuộn gập protein”. Với chuỗi axit amin tạo nên một protein, hệ thống có thể dự đoán chuỗi ba chiều của nó một cách nhanh chóng và đáng tin cậy. 

Phát minh đột phá với tầm nhìn xa này có thể đẩy nhanh khả năng tìm hiểu về căn bệnh, phát triển ra thuốc mới và vén màn bí ẩn về cơ thể con người. 

Các nhà khoa học về máy tính đã phải vật lộn để xây dựng nên hệ thống này trong hơn 50 năm. Trong 25 năm cuối, họ đã tính toán và so sánh những nỗ lực của mình thông qua tổ chức cạnh tranh toàn cầu có tên Critical Assessment of Structure Prediction, hoặc CASP. Tới tận bây giờ, không có một tổ chức tham gia nào với sát được vạch đích. 

DeepMind đã giải quyết vấn đề với đa dạng các loại protein, đạt tới mức độ chính xác tương đương các thí nghiệm vật lý. Rất nhiều nhà khoa học cho rằng khoảng cách đó còn cách nhiều năm, nếu không muốn nói là hàng thập kỷ nữa.  

“Tôi luôn hy vọng mình sẽ sống để chứng kiến ​​ngày này. "Nhưng không phải lúc nào tôi cũng rõ ràng là tôi sẽ làm được." John Moult, một giáo sư tại Đại học Maryland, người đã giúp tạo ra CASP vào năm 1994 và tiếp tục giám sát cuộc thi hai năm một lần cho biết. 

Là một phần của CASP năm nay, công nghệ của DeepMind đã được Tiến sĩ Moult và các nhà nghiên cứu khác giám sát cuộc thi xem xét.  

Ông và các nhà nghiên cứu khác cho biết, nếu các phương pháp của DeepMind có thể được cải tiến, họ có thể tăng tốc độ phát triển các loại thuốc mới cũng như nỗ lực áp dụng các loại thuốc hiện có cho các loại virus và bệnh mới.   

Bước đột phá đến quá muộn để tạo ra tác động đáng kể đến vi-rút corona. Nhưng các nhà nghiên cứu tin rằng các phương pháp của DeepMind có thể đẩy nhanh phản ứng đối với các đại dịch trong tương lai. Một số người tin rằng nó cũng có thể giúp các nhà khoa học hiểu rõ hơn về các bệnh di truyền cùng với bệnh Alzheimer hoặc xơ nang.  

Tuy nhiên, các chuyên gia cảnh báo rằng công nghệ này sẽ chỉ ảnh hưởng đến một phần nhỏ của quá trình lâu dài mà các nhà khoa học xác định các loại thuốc mới và phân tích bệnh tật. Cũng không rõ khi nào hoặc bằng cách nào DeepMind sẽ chia sẻ công nghệ của mình với các nhà nghiên cứu khác.

DeepMind là một trong những công ty đóng vai trò quan trọng trong một sự thay đổi sâu rộng đã lan rộng trong giới học thuật, ngành công nghệ và cộng đồng y tế trong 10 năm qua. Nhờ công nghệ trí tuệ nhân tạo được gọi là mạng thần kinh, máy móc giờ đây có thể học cách thực hiện nhiều tác vụ từng nằm ngoài tầm với của chúng - và đôi khi vượt quá tầm với của con người.

Mạng nơ-ron là một hệ thống toán học được mô hình hoá lỏng lẻo trên mạng lưới các nơ-ron trong não người. Chúng học được các kỹ năng từ đa dạng các dữ liệu. Ví dụ, bằng cách xác định các mẫu trong hàng ngàn ảnh mèo, nó có thể học được cách nhận diện một con mèo. 

Đây là công nghệ nhận diện khuôn mặt trong các bức ảnh bạn đăng tảo lên Facebook, xác định các lệnh bạn nói trong điện thoại thông minh của mình và dịch một ngôn ngữ sang một một ngôn ngữ khác trên Skype và các dịch vụ khác. DeepMind đang sử dụng công nghệ này để dự đoán hình dạng protein. 

Nếu các nhà khoa có học có thể dự đoán hình dạng protein trong cơ thể người, họ có thể xác định được cách các phân tử khác sẽ liên kết hoặc gắn chặt vào nó. Đây là một cách phát triển thuốc: một loại thuốc liên kết với các protein cụ thể trong người bạn và làm thay đổi hành vi của chúng. 

Bằng cách phân tích hàng nghìn loại protein đã biết và hình dạng vật lý của chúng, một mạng lưới nơ-ron có thể học cách dự đoán hình dạng của những loại khác. Năm 2018, sử dụng phương pháp này, DeepMind lần đầu tiên tham gia tổ chức CASP và hệ thống của nó vượt trội hơn tất cả các đối thủ khác, báo hiệu một sự thay đổi đáng kể. Nhưng nhóm các nhà sinh vật học, vật lý học và khoa học máy tính, do một nhà nghiên cứu tên là John Jumper dẫn đầu, đã không thể giải quyết được vấn đề cuối cùng.   

Trong hai năm kể từ đó, Tiến sĩ Jumper và nhóm của ông đã thiết kế một loại mạng thần kinh hoàn toàn mới dành riêng cho việc gấp protein, và điều này đã thúc đẩy một bước nhảy vọt về độ chính xác. Nhà khoa học Kathryn Tunyasuvunakool thuộc nhóm nghiên cứu DeepMind cho biết, phiên bản mới nhất của họ cung cấp một giải pháp mạnh mẽ, nếu không hoàn hảo, cho vấn đề gấp protein.  

Hệ thống có thể dự đoán chính xác hình dạng của protein trong khoảng 2/3 thời gian, theo kết quả của cuộc thi CASP. Và sai lầm của nó với các protein này nhỏ hơn chiều rộng của một nguyên tử - một tỷ lệ sai sót ngang ngửa với các thí nghiệm vật lý. 

“Hầu hết các nguyên tử với đường kính nguyên tử nơi chúng ở trong cấu trúc thí nghiệm,” Dr.Moult, người tổ chức cuộc thi cho biết. “Và với những nguyên tử không giống vậy, sẽ có những giải thích hợp lý cho những khác biệt này.”

Andrei Lupas, giám đốc phòng cachs mạng protein tại Viên phát triển sinh học Max Planck tại Đức, một trong những người làm việc với AlphaFold. Ông là một thành viên của nhóm đã dành một thập kỷ để cố gắng xác định hình dạng vật lý của một loại protein cụ thể trong một vật thế giống vi khuẩn siêu vi được gọi là archaeon. 

Loại protein này bám trên màng các tế bào đơn - một phần ở trong, một phần ở ngoài - điều này gây khó khăn cho các nhà khoa học như ngài Lupas để xác định hình dạng protein trong phòng phòng thí nghiệm. Thậm chí sau một thập kỷ, ông vẫn không thế tìm ra được hình dạng của chúng. 

Với AlphaFold, ông đã giải quyết được vấn đề trong nửa tiếng đồng hồ. 

Nếu các phương pháp này tiếp tục được cải thiện, ông nói, chúng có thể là cách hữu ích trong việc xác định một loại vi-rút mới có thể được xử lý với hỗn hợp thuốc hiện có hay không. 

“Chúng ta có thể bắt đầu sàng lọc mọi hỗn hợp được cấp giấy phép sử dụng cho con người” ông Lupas cho biết. “Chúng ta có thể đối mặt với đại dịch tiếp theo với các loại thuốc chúng ta có sẵn.”

Trong tình hình đại dịch hiện tại, có một dạng đơn giản hơn của trí tuệ nhân tạo được chứng minh là vô cùng hữu ích trong một vài trường hợp. Một hệ thống được xây dựng bởi một công ty khác tại London, BenevolentAI, giúp tìm ra loại thuốc hiện hành, baricitinib, có thể sử dụng để điều trị những ca Covid-19 nghiêm trọng. Các nhà nghiên cứu hiện tại đã hoàn thành thử nghiệm lâm sàng, mặc dù kết quả vẫn chưa được công bố.

Vì các nhà nghiên cứu vẫn đang tiếp tục cải thiện công nghệ, AlphaFold có thể tăng tốc nhanh chóng cải thiện loại thuốc này cho hiệu quả cao hơn, cũng như sự phát triển của của các loại vaccines mới, đặc biệt nếu chúng ta phải trạm tán với loại vaccine khó nhằn hơn Covid-19.

David Baker, giám đốc Viện thiết kế Protein tại trường đại học Washington, người đang sử dụng công nghệ máy tính tương tự để nghiên cứu thuốc chống vi-rút corona, nói rằng các phương pháp của DeepMind có thể rút ngắn thời gian hoàn thành nghiên cứu này.

“Chúng tôi có thể thiết kế các loại protein tiêu diệt loài vi-rút corona này trong vài tháng”, ông nói. “Nhưng mục tiêu của chúng tôi là xử lý những thứ kiểu như vậy chỉ trong vài tuần.” 

Thêm nữa, tốc độ phát triển phải đấu tranh với các trở ngại khác, giống như các thử nghiệm lâm sàng đồ sộ khác, ông Vincent Marconi, nhà nghiên cứu tại đại học Emory ở Atlanta người đã dẫn dắt cuộc thử nghiệm baricitinib nhận định, “sẽ mất rất nhiều thời gian”.

Nhưng những phương pháp của DeepMind có thể là một cách xác định khi nào thử nghiệm lâm sàng thất bại vì các phản ứng có độc hoặc các vấn đề khác, ít nhất trong một vài trường hợp. 

Demis Hassabis, đồng sáng lập và là giám đốc điều hành của DeepMind, nói rằng công ty có kế hoạch công bố chi tiết mô tả quy trình công việc, nhưng phải đợi tới thời điểm năm sau. Ông cũng nói rằng công ty đang nghiên cứu cách chia sẻ công nghệ của mình cho các nhà khoa học khác. 

DeepMind là phòng thí nghiệm nghiên cứu. Nó không bán sản phẩm trực tiếp cho các phòng thí nghiệm hay các doanh nghiệp khác. Nhưng nó có thể làm việc với các công ty khác để kết nối công nghệ thông qua mạng Internet.

Các nghiên cứu đột phá nhất của phòng thí nghiệm trong quá khứ có liên quan đến trò chơi. Nó xây dựng hệ thống vượt trội hơn sự thể hiện của con người trên trò chơi chiến lược cổ đại Go và các video trò chơi StarCraft - sự thành công vô cùng thực tế không được ứng dụng trong đời thực. Hiện tại, đội ngũ DeepMind đang rất hào hứng đưa công nghệ trí tuệ nhân tạo của họ ra thế giới thực tế.

“Chúng tôi không muốn là công ty lãnh đạo kiểm soát các công ty khác” ông Jumper đưa ra quan điểm. “Chúng tôi muốn những thứ có liên quan đến sinh học áp dụng được vào thực tế.” 

Nguồn: bbc.com

Dịch bởi: tapchiso.com

 


THEO DÕI CHÚNG TÔI TRÊN: FACEBOOK | TELEGRAM | TWITTER | YOUTUBE
Bài viết liên quan