Google DeepMind đã công bố một hệ thống AI có tên AlphaProteo có thể thiết kế các protein mới có khả năng liên kết thành công với các phân tử mục tiêu, có khả năng cách mạng hóa việc thiết kế thuốc và nghiên cứu bệnh tật.
AlphaProteo có thể tạo ra chất kết dính protein mới cho nhiều loại protein mục tiêu khác nhau, bao gồm VEGF-A, liên quan đến các biến chứng ung thư và tiểu đường. Đáng chú ý, đây là lần đầu tiên một công cụ AI thiết kế thành công chất kết dính protein cho VEGF-A.
Hiệu suất của hệ thống đặc biệt ấn tượng, đạt được tỷ lệ thành công thử nghiệm cao hơn và khả năng liên kết tốt hơn tới 300 lần so với các phương pháp hiện có trên bảy loại protein mục tiêu đã thử nghiệm:
Được đào tạo trên một lượng lớn dữ liệu protein từ Ngân hàng dữ liệu protein và hơn 100 triệu cấu trúc dự đoán từ AlphaFold, AlphaProteo đã học được sự phức tạp của liên kết phân tử. Với cấu trúc của phân tử mục tiêu và vị trí liên kết ưa thích, hệ thống tạo ra một protein ứng viên được thiết kế để liên kết tại các vị trí cụ thể đó.
Để xác thực khả năng của AlphaProteo, nhóm nghiên cứu đã thiết kế chất kết dính cho nhiều loại protein mục tiêu khác nhau, bao gồm protein virus liên quan đến nhiễm trùng và protein liên quan đến ung thư, viêm và bệnh tự miễn. Kết quả rất khả quan, với tỷ lệ thành công liên kết cao và cường độ liên kết tốt nhất trong cùng loại được quan sát thấy trên toàn bộ.
Ví dụ, khi nhắm mục tiêu vào protein virus BHRF1, 88% phân tử ứng viên của AlphaProteo liên kết thành công trong thử nghiệm phòng thí nghiệm ướt. Trung bình, chất kết dính AlphaProteo thể hiện khả năng liên kết mạnh hơn 10 lần so với các phương pháp thiết kế hiện có tốt nhất trên các mục tiêu được thử nghiệm.
Hiệu suất của hệ thống cho thấy nó có thể giảm đáng kể thời gian cần thiết cho các thí nghiệm ban đầu liên quan đến chất kết dính protein trong nhiều ứng dụng. Tuy nhiên, nhóm nghiên cứu thừa nhận rằng AlphaProteo có những hạn chế, vì họ không thể thiết kế chất kết dính thành công chống lại TNFɑ (một loại protein liên quan đến các bệnh tự miễn như viêm khớp dạng thấp.)
Để đảm bảo phát triển có trách nhiệm, Google DeepMind đang hợp tác với các chuyên gia bên ngoài để thông báo về cách tiếp cận theo từng giai đoạn của họ nhằm chia sẻ công việc này và đóng góp vào các nỗ lực của cộng đồng trong việc phát triển các phương pháp hay nhất—bao gồm cả NTI mới Diễn đàn AI Bio.
Khi công nghệ phát triển, nhóm có kế hoạch làm việc với cộng đồng khoa học để tận dụng AlphaProteo cho các vấn đề sinh học có tác động và hiểu được những hạn chế của nó. Họ cũng đang khám phá các ứng dụng thiết kế thuốc tại Isomorphic Labs.
Trong khi AlphaProteo đại diện cho một bước tiến đáng kể trong thiết kế protein, việc đạt được liên kết mạnh thường chỉ là bước đầu tiên trong việc thiết kế protein cho các ứng dụng thực tế. Vẫn còn nhiều thách thức về kỹ thuật sinh học cần vượt qua trong quá trình nghiên cứu và phát triển.
Tuy nhiên, sự tiến bộ của Google DeepMind có tiềm năng to lớn trong việc đẩy nhanh tiến độ trên nhiều lĩnh vực nghiên cứu, bao gồm phát triển thuốc, hình ảnh tế bào và mô, hiểu biết và chẩn đoán bệnh, thậm chí cả khả năng kháng sâu bệnh của cây trồng.
Bạn có thể tìm thấy toàn bộ Whitepaper AlphaProteo đây (PDF)
Xem thêm: Paige và Microsoft ra mắt mô hình AI thế hệ tiếp theo để chẩn đoán ung thư
Bạn muốn tìm hiểu thêm về AI và dữ liệu lớn từ những người đi đầu trong ngành? Kiểm tra Triển lãm AI & Dữ liệu lớn diễn ra tại Amsterdam, California và London. Sự kiện toàn diện này được tổ chức cùng với các sự kiện hàng đầu khác bao gồm Hội nghị Tự động hóa thông minh, KhốiX, Tuần lễ chuyển đổi sốVà Triển lãm An ninh mạng và Điện toán Cloud.
Khám phá các sự kiện công nghệ doanh nghiệp sắp tới và hội thảo trên web do TechForge cung cấp đây.
