Công cụ AI mới từ Harvard tăng hiệu quả chữa bệnh ngay từ tế bào

Trong một bước tiến có thể định hình lại quá trình phát hiện thuốc, các nhà nghiên cứu tại Trường Y Harvard (HMS), Đại học Harvard (Mỹ) đã thiết kế một mô hình trí tuệ nhân tạo có khả năng xác định các phương pháp điều trị giúp đảo ngược trạng thái bệnh trong tế bào.

Không giống các phương pháp truyền thống vốn thường thử nghiệm từng protein hoặc từng loại thuốc một với hy vọng tìm ra phương pháp điều trị hiệu quả, mô hình mới có tên PDGrapher (hiện được cung cấp miễn phí) tập trung vào nhiều yếu tố gây bệnh cùng lúc và xác định gen nào có khả năng đưa tế bào bệnh trở lại hoạt động bình thường cao nhất.

Công cụ này cũng xác định các phân tử đơn lẻ hoặc kết hợp tốt nhất cho các phương pháp điều trị nhằm khắc phục quá trình gây bệnh.

Bằng cách tập trung vào các phân tử trong tế bào có khả năng đảo ngược bệnh cao nhất, phương pháp mới có thể đẩy nhanh tốc độ phát hiện và thiết kế thuốc, mở ra các liệu pháp cho những căn bệnh bấy lâu nay vẫn “ngoài tầm với” của những phương pháp truyền thống, các nhà nghiên cứu cho biết.

“Cách khám phá thuốc truyền thống giống như nếm hàng trăm món ăn đã chế biến sẵn để tìm ra một món tình cờ hoàn hảo”, tác giả chính của nghiên cứu – bà Marinka Zitnik, Phó giáo sư tin học y sinh tại Viện Blavatnik thuộc HMS, cho biết. Trong khi đó, “PDGrapher giống như một đầu bếp bậc thầy, người biết chính xác món ăn cần có hương vị gì và cách kết hợp nguyên liệu để đạt được hương vị đó”.

Cách tiếp cận truyền thống – vốn tập trung vào việc kích hoạt hoặc ức chế một protein đơn lẻ - đã thành công với những phương pháp điều trị như thuốc ức chế kinase – vốn ngăn chặn các protein được tế bào ung thư sử dụng để phát triển và phân chia.

Tuy nhiên, bà Zitnik cũng lưu ý rằng, mô hình này có thể không hiệu quả khi bệnh bị chi phối bởi sự tương tác phức tạp giữa nhiều dấu hiệu và gen. Ví dụ, nhiều loại thuốc đột phá trong vài thập kỷ gần đây – như thuốc ức chế điểm kiểm soát miễn dịch và liệu pháp tế bào CAR-T – hoạt động bằng cách tác động vào quá trình gây bệnh trong tế bào.

Theo bà Zitnik, cách tiếp cận của PDGrapher mở ra bức tranh toàn diện, từ đó giúp tìm ra hợp chất có thể thực sự đảo ngược dấu hiệu bệnh trong tế bào, ngay cả khi các nhà khoa học chưa biết chính xác hợp chất đó tác động vào phân tử nào.

MÔ HÌNH HOẠT ĐỘNG NHƯ THẾ NÀO?

PDGrapher là một loại công cụ trí tuệ nhân tạo gọi là mạng lưới nơ-ron nhân tạo. Công cụ này không chỉ xem xét từng điểm dữ liệu riêng lẻ mà còn cả mối liên hệ giữa chúng và tác động qua lại.

Trong ngành sinh học và phát hiện thuốc, cách tiếp cận này được dùng để lập bản đồ mối quan hệ giữa các gen, protein và đường truyền tín hiệu trong tế bào, từ đó, dự đoán tổ hợp liệu pháp tốt nhất để khắc phục rối loạn nền tảng và khôi phục hoạt động bình thường của tế bào.

Thay vì quá trình thử nghiệm các hợp chất từ cơ sở dữ liệu thuốc khổng lồ đầy mệt mỏi, mô hình mới tập trung vào những tổ hợp thuốc có khả năng đảo ngược bệnh cao nhất.

PDGrapher chỉ ra các phần của tế bào có thể là nguyên nhân gây bệnh. Sau đó, mô hình này mô phỏng điều gì sẽ xảy ra nếu các phần này bị tắt hoặc giảm hoạt động, sau đó đưa ra câu trả lời liệu tế bào bệnh có thể phục hồi nếu nhắm trúng những phân tử đó hay không.

“Thay vì thử mọi công thức có thể, PDGrapher đặt câu hỏi: ‘Hỗn hợp nguyên liệu nào sẽ biến món ăn nhạt nhẽo hoặc quá mặn thành một bữa ăn cân bằng hoàn hảo?”, bà Zitnik cho biết.

ƯU ĐIỂM CỦA MÔ HÌNH MỚI

Các nhà nghiên cứu đã huấn luyện công cụ này trên một tập dữ liệu gồm các tế bào bệnh trước và sau điều trị, để mô hình có thể xác định gen nào cần nhắm đến nhằm chuyển tế bào từ trạng thái bệnh sang trạng thái khỏe mạnh.

Tiếp đó, họ kiểm tra trên 19 bộ dữ liệu bao phủ 11 loại ung thư, sử dụng cả thí nghiệm di truyền và thuốc, yêu cầu công cụ dự đoán các phương án điều trị cho các mẫu tế bào mà nó chưa từng thấy trước đó cũng như các loại ung thư chưa từng được huấn luyện.

Công cụ này đã dự đoán chính xác các phân tử – những phân tử đã được thiết kế để tương tác nhằm tạo ra tác dụng điều trị trong quá khứ nhưng đã bị loại khỏi dữ liệu huấn luyện để đảm bảo mô hình không chỉ đơn giản “nhớ lại” đáp án đúng. Nó cũng xác định thêm các kết quả khác được chứng thực bởi bằng chứng mới.

Mô hình đã cho thấy độ chính xác và hiệu quả vượt trội so với các công cụ tương tự. Trong các bộ dữ liệu chưa từng thấy, công cụ này xếp hạng đúng phân tử điều trị cao hơn đến 35% so với các mô hình khác và cho kết quả nhanh hơn gấp 25 lần so với các cách tiếp cận AI tương tự.

Ý NGHĨA VỚI Y HỌC TƯƠNG LAI

Các nhà nghiên cứu cho biết, cách tiếp cận mới có thể tối ưu hóa quá trình thiết kế thuốc. Thay vì phải dự đoán mọi thay đổi có thể ảnh hưởng thế nào đến tế bào rồi mới tìm thuốc phù hợp, PDGrapher trực tiếp tìm kiếm những phân tử cụ thể trong tế bào có thể đảo ngược đặc tính bệnh. Điều này giúp rút ngắn thời gian thử nghiệm ý tưởng và cho phép các nhà khoa học tập trung vào ít phân tử hơn.

Công cụ này đặc biệt hữu ích cho các bệnh phức tạp do nhiều yếu tố gây nên, chẳng hạn ung thư khi khối u có thể “qua mặt” các thuốc chỉ nhắm tới một phân tử. Vì xác định được nhiều phân tử tham gia vào bệnh, PDGrapher có thể giúp giải quyết vấn đề này.

Ngoài ra, các nhà nghiên cứu cho biết, sau khi được kiểm chứng kỹ lưỡng, mô hình này có thể được dùng để phân tích hồ sơ tế bào của từng bệnh nhân và thiết kế các phác đồ điều trị cá nhân hóa trong tương lai.

Không chỉ vậy, vì xác định được các yếu tố sinh học trong gây bệnh, PDGrapher có thể giúp các nhà nghiên cứu hiểu tại sao một số tổ hợp thuốc lại hiệu quả, từ đó mang lại những hiểu biết mới thúc đẩy nghiên cứu y sinh tiến xa hơn nữa.

Hiện nhóm nghiên cứu của Harvard đang sử dụng mô hình này để đối phó với các bệnh liên quan đến não như Parkinson và Alzheimer, nghiên cứu cách tế bào hoạt động trong bệnh và xác định các gen có thể giúp khôi phục tế bào về trạng thái khỏe mạnh.

“Mục tiêu cuối cùng của chúng tôi là tạo ra một bản đồ rõ ràng về những cách có thể đảo ngược bệnh ở cấp độ tế bào”, bà Zitnik nói.