Trong khi ngành dược phẩm có thể mất nhiều năm để tạo ra các loại thuốc có khả năng điều trị hoặc chữa bệnh cho con người, một nghiên cứu mới cho thấy việc sử dụng trí tuệ nhân tạo sinh học có thể gấp đôi quá trình phát triển thuốc.
Hiện nay, hầu hết các phát hiện thuốc mới đều được thực hiện bởi các nhà hóa học lấy kiến thức và kinh nghiệm của mình để chọn lọc và tổng hợp các phân tử cần thiết để trở thành các loại thuốc an toàn và hiệu quả mà chúng ta phụ thuộc. Để xác định con đường tổng hợp, các nhà khoa học thường sử dụng phương pháp gọi là phản xạ hữu hạn - một phương pháp để tạo ra các loại thuốc tiềm năng bằng cách làm việc ngược lại từ các phân tử cần thiết và tìm kiếm các phản ứng hoá học để tạo ra chúng.
Tuy nhiên, vì việc lọc vạn ngàn phản ứng hóa học có thể là một công việc đòi hỏi thời gian và năng lượng, các nhà nghiên cứu tại Đại học Ohio đã tạo ra một khung công cụ trí tuệ nhân tạo gọi là G2Retro để tự động tạo ra phản ứng cho bất kỳ phân tử nào. Nghiên cứu mới chỉ ra rằng so với các phương pháp lập kế hoạch thủ công hiện tại, khung công cụ này có thể bao phủ một loạt lớn các phản ứng hóa học có thể xảy ra, đồng thời nhận diện chính xác và nhanh chóng phản ứng nào có thể hoạt động tốt nhất để tạo ra một phân tử thuốc nhất định.
"Việc sử dụng trí tuệ nhân tạo cho những điều quan trọng đối với sự cứu sống của con người, chẳng hạn như y học, là những gì chúng tôi thực sự muốn tập trung vào", Xia Ning, tác giả chính của nghiên cứu và giáo sư đồng sáng lập của khoa học máy tính và kỹ thuật tại Ohio State cho biết. "Mục tiêu của chúng tôi là sử dụng trí tuệ nhân tạo để tăng tốc quá trình thiết kế thuốc, và chúng tôi đã phát hiện ra rằng nó không chỉ tiết kiệm thời gian và tiền bạc cho các nhà nghiên cứu, mà còn cung cấp các ứng cử viên dược phẩm có thể có tính chất tốt hơn bất kỳ phân tử nào tồn tại trong tự nhiên".
Nghiên cứu này xây dựng trên nghiên cứu trước đó của Ning, trong đó đội của cô phát triển một phương pháp được gọi là Modof có khả năng tạo ra cấu trúc phân tử có tính chất mong muốn tốt hơn bất kỳ phân tử hiện có nào. "Bây giờ câu hỏi trở thành làm thế nào để tạo ra các phân tử được tạo ra, và đó là nơi nghiên cứu mới này sáng tỏ", Ning cho biết, cô cũng là giáo sư cộng tác viên của thông tin sinh học tại Đại học Y khoa.
Nghiên cứu được công bố vào ngày hôm nay trên tạp chí Communications Chemistry.
Đội của Ning đã huấn luyện G2Retro trên một bộ dữ liệu chứa 40.000 phản ứng hóa học được thu thập từ năm 1976 đến năm 2016. Khung công cụ "học" từ các biểu diễn dựa trên đồ thị của các phân tử cho trước, và sử dụng mạng thần kinh sâu để tạo ra các cấu trúc chất tham gia có thể được sử dụng để tổng hợp chúng. Sự mạnh mẽ của khả năng sinh sản của nó là rất ấn tượng, đối với Ning, sau khi được trình bày một phân tử, G2Retro có thể đưa ra hàng trăm dự đoán phản ứng mới chỉ trong vài phút.
"Phương pháp trí tuệ nhân tạo sinh sản của chúng tôi G2Retro có thể cung cấp nhiều tuyến đường và tùy chọn tổng hợp khác nhau, cũng như một cách để xếp hạng các tùy chọn khác nhau cho mỗi phân tử", Ning nói. "Điều này sẽ không thay thế các thí nghiệm dựa trên phòng thí nghiệm hiện tại, nhưng nó sẽ cung cấp nhiều và tốt hơn các lựa chọn dược phẩm để các thí nghiệm có thể được ưu tiên và tập trung nhanh hơn".
Để kiểm tra hiệu quả của trí tuệ nhân tạo, đội của Ning đã tiến hành một nghiên cứu điển hình để xem liệu G2Retro có thể dự đoán chính xác bốn loại thuốc mới được phát hành đã được phân phối: Mitapivat, một loại thuốc được sử dụng để điều trị thiếu máu cục bộ, Tapinarof, được sử dụng để điều trị các bệnh da khác nhau, Mavacamten, một loại thuốc để điều trị suy tim phổi và Oteseconazole, được sử dụng để điều trị nhiễm nấm ở nữ giới. G2Retro đã có thể tạo ra các con đường tổng hợp đã được cấp bằng sáng chế chính xác cho những loại thuốc này, và cung cấp các đường tổng hợp thay thế cũng khả thi và có ích về mặt hợp chất, theo Ning.
Việc có một thiết bị linh hoạt và hiệu quả như vậy sẽ giúp ngành công nghiệp sản xuất thuốc trở nên mạnh mẽ hơn ở tốc độ nhanh hơn - nhưng bất kể cạnh tranh hàng đầu cho các nhà khoa học trong phòng thí nghiệm, Ning nhấn mạnh những loại thuốc G2Retro hoặc bất kỳ trí tuệ nhân tạo sinh sản nào tạo ra vẫn cần được xác nhận - một quá trình mà liên quan đến các phân tử được tạo ra được thử nghiệm trên mô hình động vật sau đó là các thử nghiệm trên con người.
"Chúng tôi rất phấn khích về trí tuệ nhân tạo sinh sản cho y học, và chúng tôi cam kết sử dụng trí tuệ nhân tạo một cách có trách nhiệm để cải thiện sức khỏe con người", Ning nói.
Nghiên cứu này được hỗ trợ bởi Chương trình Nghiên cứu Chất lượng của Tổng thống Đại học Ohio và Cơ quan Khoa học Quốc gia. Các cộng tác viên khác của Ohio State bao gồm Ziqi Chen, Oluwatosin Ayinde, James Fuchs và Huan Sun.
