Trí tuệ nhân tạo tạo ra kháng thể hiệu quả vượt xa sức tưởng tượng của con người
11:11 19/05/2024
4 phút đọc
Trong lĩnh vực y khoa, các nhà khoa học đang sử dụng robot, máy tính và thuật toán để tìm kiếm các phương pháp điều trị mới tiềm năng theo cách mà con người không thể làm được – bằng cách xử lý khối lượng dữ liệu khổng lồ và xây dựng các phân tử chưa từng được biết đến trước đây.
Thay vì sản xuất bánh quy, một nhà máy bánh quy cũ ở Nam London đã được thay thế bằng các cánh tay robot, máy ấp và máy giải trình tự DNA. Đây là nơi James Field và công ty LabGenius của ông đang phát triển một phương pháp tiếp cận mang tính cách mạng, sử dụng trí tuệ nhân tạo (AI) để thiết kế các kháng thể y tế mới.
Kháng thể là phản ứng của cơ thể đối với bệnh tật, đóng vai trò như những chiến binh tuyến đầu của hệ thống miễn dịch. Chúng là các sợi protein có hình dạng đặc biệt, giúp chúng bám vào các tác nhân gây bệnh lạ để loại bỏ chúng khỏi cơ thể. Kể từ những năm 1980, các công ty dược phẩm đã sản xuất các kháng thể nhân tạo để điều trị các bệnh như ung thư và giảm nguy cơ bị đào thải nội tạng sau ghép.
Tuy nhiên, việc thiết kế các kháng thể này là một quá trình chậm đối với con người – các nhà thiết kế protein phải sàng lọc hàng triệu tổ hợp axit amin tiềm năng để tìm ra những phân tử có thể kết hợp chính xác với nhau, sau đó thử nghiệm tất cả chúng trên thực tế, điều chỉnh một số biến số để cải thiện một số đặc tính của phương pháp điều trị trong khi hy vọng điều đó không làm cho nó tồi tệ hơn theo những cách khác.
LabGenius sử dụng cả ba yếu tố này để tự động hóa phần lớn quá trình phát hiện kháng thể. Tại phòng thí nghiệm, một thuật toán học máy sẽ thiết kế các kháng thể nhắm vào các bệnh cụ thể, sau đó các hệ thống robot tự động sẽ xây dựng và nuôi chúng trong phòng thí nghiệm, chạy các bài kiểm tra và đưa dữ liệu trở lại thuật toán, tất cả đều với sự giám sát hạn chế của con người.
Các nhà khoa học bắt đầu bằng cách xác định một nhóm các kháng thể tiềm năng để giải quyết một bệnh cụ thể: Chúng cần các protein có thể phân biệt giữa các tế bào khỏe mạnh và tế bào bệnh, bám vào các tế bào bệnh và sau đó kích hoạt một tế bào miễn dịch để tiêu diệt chúng. Nhưng những protein này có thể nằm ở bất cứ đâu trong vô số các lựa chọn tiềm năng. LabGenius đã phát triển một mô hình học máy có thể khám phá không gian đó nhanh chóng và hiệu quả hơn nhiều.
Mô hình này chọn lọc hơn 700 lựa chọn ban đầu từ 100.000 kháng thể tiềm năng, sau đó tự động thiết kế, xây dựng và thử nghiệm chúng, với mục đích tìm ra các lĩnh vực tiềm năng để nghiên cứu sâu hơn.
Các bài kiểm tra gần như được tự động hóa hoàn toàn, với một loạt các thiết bị cao cấp tham gia chuẩn bị mẫu và chạy chúng qua các giai đoạn khác nhau của quá trình thử nghiệm: Kháng thể được nuôi cấy dựa trên trình tự gen của chúng và sau đó được đưa vào thử nghiệm trên các xét nghiệm sinh học – các mẫu mô bệnh mà chúng được thiết kế để giải quyết. Con người giám sát quá trình, nhưng công việc của họ chủ yếu là di chuyển mẫu từ máy này sang máy khác.
Thuật toán bắt đầu xây dựng một bức tranh về cách các thiết kế kháng thể khác nhau thay đổi hiệu quả của việc điều trị – với mỗi vòng thiết kế kháng thể tiếp theo, nó được cải thiện, cân bằng cẩn thận giữa việc khai thác các thiết kế tiềm năng và khám phá các lĩnh vực mới.
Cách tiếp cận của LabGenius mang lại các giải pháp bất ngờ mà con người có thể không nghĩ đến và tìm thấy chúng nhanh hơn: Chỉ mất sáu tuần kể từ khi thiết lập vấn đề cho đến khi hoàn thành lô đầu tiên, tất cả đều được chỉ đạo bởi các mô hình học máy.
Theo nhà nghiên cứu Field, phương pháp này hứa hẹn mang lại các phương pháp điều trị hiệu quả hơn. Các kháng thể được tạo ra bằng trí tuệ nhân tạo có thể có tác dụng mạnh hơn hoặc ít tác dụng phụ hơn so với các kháng thể do con người thiết kế hiện nay.
Ông giải thích: “Chúng ta có thể tìm ra những phân tử mà các phương pháp thông thường không bao giờ phát hiện được. Chúng rất khác biệt và thường đi ngược lại với suy nghĩ thông thường của con người. Điều này cho phép chúng ta tìm ra các phân tử có đặc tính tốt hơn, cuối cùng dẫn đến kết quả điều trị khả quan hơn cho bệnh nhân.”
Bài viết liên quan
Thống đốc California ký luật hạn chế sử dụng AI tạo bản sao diễn viên
AI trở thành ‘kẻ phá bĩnh’ trong cuộc đua tìm ra ‘Người nổi tiếng số 6’
Công nghệ AI cảnh báo sớm ung thư da
Pixelbot 3000: Biến ý tưởng AI thành kiệt tác tranh ghép Lego
ChatGPT do người sáng lập da đen phát triển mang đến trải nghiệm cá nhân hóa
Apple tham gia cuộc đua tìm kiếm biểu tượng AI hợp lý
Tạm dừng thử nghiệm AI nhận đơn tại McDonald’s
Acer trình làng màn hình GoogleTV, OLED gaming và laptop AI tại Computex 24
Hugging Face phát hiện truy cập trái phép vào nền tảng lưu trữ mô hình AI
Google thừa nhận AI Overviews còn nhiều hạn chế, người dùng đóng vai trò quan trọng trong việc cải thiện
Đào tạo AI tốn kém: Chỉ “ông lớn” công nghệ mới đủ sức chi trả?
OpenAI giảm giá ChatGPT cho trường học và tổ chức phi lợi nhuận
Google giải thích về kết quả tìm kiếm AI khuyên dùng keo dán trên bánh pizza
Tranh cãi về tính minh bạch của Ủy ban an toàn mới do OpenAI thành lập
Chromebook Plus tích hợp trợ lý thông minh Google Gemini
Google gỡ bỏ thủ công các câu trả lời sai của AI trong Tìm kiếm
Garry Tan, nhà sáng lập Y Combinator: Ủng hộ quản lý AI nhưng phản đối độc quyền
Gaw Capital mở rộng hoạt động kinh doanh trung tâm dữ liệu
Cổ phiếu Nvidia lập đỉnh mới sau khi dự báo cho thấy nhu cầu mạnh mẽ cho chip AI
ĐĂNG KÝ NHẬN TIN
NGAY HÔM NAY
Đăng ký để nhận thông tin sớm nhất về những câu chuyện nóng hổi hiện nay trên thị trường, công nghệ được cung cấp hàng ngày.
Bằng cách nhấp vào “Đăng ký”, bạn chấp nhận Điều khoản dịch vụ và Chính sách quyền riêng tư của chúng tôi. Bạn có thể chọn không tham gia bất cứ lúc nào.
5
s
Nhận xét (0)