Mask-prior-guided denoising diffusion (MapDiff) cho quá trình gấp protein ngược. Nguồn: Nature Machine Intelligence (2025)

Một phương pháp AI được phát triển bởi các nhà nghiên cứu từ Đại học Sheffield và AstraZeneca, có thể giúp việc thiết kế các protein cần thiết cho các phương pháp điều trị mới trở nên dễ dàng hơn.

Trong nghiên cứu của hộ, công bố trên tạp chí Nature Machine Intelligence gần đây, các nhà khoa học máy tính Sheffield, hợp tác với AstraZeneca và Đại học Southampton, đã phát triển một khuôn khổ học máy mới cho thấy tiềm năng chính xác hơn trong quá trình gấp protein ngược so với các phương pháp tiên tiến hiện có.

Gấp protein ngược là một quá trình quan trọng để tạo ra các protein mới. Đây là quá trình xác định trình tự axit amin, các khối xây dựng của protein, sẽ gấp lại thành cấu trúc protein 3D mong muốn và cho phép protein thực hiện các chức năng cụ thể.

Kỹ thuật protein đóng vai trò quan trọng trong phát triển thuốc bằng cách thiết kế các protein có thể liên kết với các mục tiêu cụ thể trong cơ thể. Tuy nhiên, quá trình này rất thách thức do sự phức tạp của quá trình gấp protein và khó khăn trong việc dự đoán cách các trình tự axit amin sẽ tương tác để tạo thành các cấu trúc chức năng.

Các nhà khoa học đã chuyển sang học máy để dự đoán chính xác hơn những trình tự axit amin nào sẽ gấp lại thành cấu trúc protein ổn định, chức năng. Các mô hình này được đào tạo trên các bộ dữ liệu lớn về các trình tự và cấu trúc protein đã biết để cải thiện dự đoán gấp protein ngược.

Khuôn khổ học máy mới, được gọi là MapDiff, của Đại học Sheffield, AstraZeneca và Đại học Southampton, cho thấy có sự vượt trội so với AI tiên tiến nhất trong việc đưa ra các dự đoán thành công trong các thử nghiệm mô phỏng. Kết quả là cơ sở đầy hứa hẹn để phát triển công nghệ hơn nữa, nếu thành công, có thể đẩy nhanh việc thiết kế các protein chủ chốt cần thiết để phát triển vắc-xin và liệu pháp gen mới, cũng như các phương thức điều trị khác.

Nó cũng bổ sung cho những tiến bộ gần đây khác, chẳng hạn như AlphaFold, dự đoán cấu trúc 3D của protein bằng cách đảo ngược phương pháp, bắt đầu với nếp gấp protein và truy xuất các trình tự axit amin tiềm năng.

Haiping Lu, giáo sư Học máy tại Đại học Sheffield,  tác giả tương ứng của nghiên cứu, cho biết: "Công trình này thể hiện một bước tiến đáng kể trong việc sử dụng AI để thiết kế protein với các cấu trúc mong muốn. Bằng cách học cách tạo ra các trình tự axit amin có khả năng gấp lại thành các cấu trúc 3D cụ thể, phương pháp của chúng tôi mở ra những khả năng mới để thiết kế các protein trị liệu mới, có thể được sử dụng trong các ứng dụng trị liệu khác nhau. Thật thú vị khi thấy AI giúp chúng ta giải quyết một thách thức cơ bản như vậy trong sinh học".

P.T.T (NASTIS), https://phys.org//, 6/2025