Phòng thí nghiệm ảo: Sử dụng trí tuệ nhân tạo thiết kế kháng thể nano mới chống lại SARS-CoV-2

Mục lục

1. Giới thiệu
2. Thách thức trong phát triển kháng thể nano truyền thống
3. Phương pháp phòng thí nghiệm ảo
4. Thành phần chính của quy trình tính toán
5. Xác thực thực nghiệm
6. Kết luận
7. Tác giả

1. Giới thiệu

Sự tiến bộ của trí tuệ nhân tạo (AI) trong phát hiện thuốc đã mở ra tiềm năng to lớn. Kháng thể nano trị liệu đặc biệt có những bước đột phá tương đối hạn chế vì chúng đòi hỏi kiến thức liên ngành phức tạp. Đại dịch COVID-19 đã thúc đẩy sự phát triển của các kháng thể nano trị liệu có ái lực liên kết cao và độ ổn định cao đối với SARS-CoV-2 trong thời gian ngắn. Tuy nhiên, việc phát triển và thử nghiệm một loại thuốc mới rất tốn kém và mất nhiều thời gian. Các nhà nghiên cứu tại Khoa Khoa học máy tính và Khoa học dữ liệu sinh y, Đại học Stanford, và Chan Zuckerberg Biohub, San Francisco, đã sử dụng một khung công tác đáng chú ý, Phòng thí nghiệm ảo (Virtual Lab), giúp đơn giản hóa quy trình phát triển thuốc từ thiết kế đến thử nghiệm.

2. Thách thức trong phát triển kháng thể nano truyền thống

Phương pháp truyền thống liên quan đến việc sàng lọc thực nghiệm các thư viện lớn các ứng viên kháng thể nano chống lại kháng nguyên mục tiêu để xác định các chất liên kết có ái lực cao. Tuy nhiên, điều này đòi hỏi thời gian, tài nguyên và nhân lực đáng kể. Các phương pháp tính toán cũng đã được phát triển để xác định các ứng viên kháng thể nano, nhưng chúng được phát hiện là thiếu độ chính xác, điều này có thể rất có hại nếu được sử dụng như một liệu pháp điều trị. Với tỷ lệ đột biến nhanh chóng của virus SARS-CoV-2, điều cần thiết là một lượng đáng kể sinh mạng sẽ bị mất trong khi các loại thuốc đang trong quá trình phát triển. Những hạn chế này đã gây áp lực lên hệ thống chăm sóc sức khỏe.

3. Phương pháp phòng thí nghiệm ảo

Phương pháp được đề xuất sử dụng môi trường phòng thí nghiệm ảo, nơi các tác nhân AI với các lĩnh vực chuyên môn khác nhau hợp tác và giải quyết vấn đề, bắt chước tinh thần làm việc khoa học trong thế giới thực. Một quy trình tính toán được phát triển sau khi tiến hành các cuộc họp giữa các tác nhân AI.

4. Thành phần chính của quy trình tính toán

Các thành phần chính của quy trình này bao gồm:

• ESM (Mô hình hóa quy mô tiến hóa): Phân tích trình tự protein và ghi nhận ảnh hưởng của các đột biến khác nhau đối với chức năng và độ ổn định của protein. Công cụ này rất quan trọng để tìm ra các đột biến tiềm năng làm tăng cường liên kết kháng thể nano với protein gai của virus.
• AlphaFold-Multimer: Để dự đoán tương tác protein-protein giữa virus và kháng thể nano, AlphaFold-Multimer sử dụng học sâu và tạo ra các dự đoán cấu trúc có độ tin cậy cao.
• Rosetta: Sử dụng quá trình tinh chỉnh lặp lại để tối ưu hóa cấu trúc ba chiều của các kháng thể nano được thiết kế.

5. Xác thực thực nghiệm

Xác thực thực nghiệm cho thấy hơn 90% các kháng thể nano được thiết kế đã được biểu hiện và hòa tan, và hai ứng viên đã thể hiện các đặc tính liên kết vượt trội đặc biệt chống lại các biến thể JN.1 và KP.3 mới của SARS-CoV-2 đồng thời vẫn duy trì các tương tác vững chắc với protein gai tổ tiên. Đây là một kết quả thiết yếu để chứng minh hiệu quả của khung công tác tính toán của Phòng thí nghiệm ảo trong việc tạo ra các ứng viên điều trị khả thi một cách nhanh chóng.

6. Kết luận

Bài báo này mô tả các kháng thể nano dựa trên AI được sản xuất bằng cách kết hợp vào các phương pháp thực nghiệm hiện có. Một khung công tác cộng sinh như vậy của một số tác nhân nhân tạo làm tăng đáng kể các giai đoạn thiết kế và xác nhận so với nhiều phương pháp đã được thiết lập, có xu hướng rất tốn thời gian và tài nguyên. Việc xác định tối ưu các kháng thể nano định hướng chống lại các biến thể SARS-CoV-2 cung cấp bằng chứng thiết yếu rằng AI có thể chứng minh là rất quan trọng trong việc đẩy nhanh việc phát hiện trị liệu. Phương pháp mới này làm tăng hiệu quả trong thiết kế kháng thể nano và tạo điều kiện cho việc phản ứng nhanh chóng với các mối đe dọa virus mới nổi. Điều này mang lại cho nó một triển vọng phác thảo tác động to lớn của trí tuệ nhân tạo trong nghiên cứu sinh y và các ứng dụng của nó trong việc phát triển liệu pháp.

7. Tác giả

Afeerah Naseem - Thực tập sinh tư vấn tại Marktechpost. Cô đang theo học kỹ sư tại Viện Công nghệ Ấn Độ (IIT), Kharagpur. Cô đam mê Khoa học dữ liệu và bị cuốn hút bởi vai trò của trí tuệ nhân tạo trong việc giải quyết các vấn đề thực tế. Cô thích khám phá các công nghệ mới và tìm hiểu cách chúng có thể làm cho các công việc hàng ngày dễ dàng và hiệu quả hơn.