EDEN: Hệ thống AI học từ một triệu loài để viết lại tương lai y học
Một hệ thống trí tuệ nhân tạo mang tên EDEN đang mở ra bước ngoặt trong y học khi học từ hơn một triệu loài sinh vật để thiết kế liệu pháp gene có thể lập trình. Công nghệ này cho phép chèn và sửa đổi DNA chính xác hơn, hứa hẹn tạo ra thế hệ điều trị mới cho ung thư và các bệnh di truyền nan
Mô hình EDEN cho phép sửa đổi chính xác và phức tạp các tế bào và phân tử để chữa bệnh. Ảnh: El Pais
Theo tờ El Pais, một lỗi trong mã di truyền có thể dẫn đến bệnh thiếu máu hồng cầu hình liềm (biến dạng của hồng cầu), khuynh hướng cholesterol cao hoặc ung thư, cùng hàng nghìn hệ quả khác. Việc hiểu được tác động của một biến đổi gene và cách nó tiến hóa là chìa khóa để phát triển các phương pháp điều trị.
Đây chính là bước đi mà một liên minh mới giữa các tập đoàn công nghệ Nvidia và Microsoft, công ty trí tuệ nhân tạo Basecamp Research, cùng các nhà nghiên cứu từ phòng thí nghiệm của nhà khoa học Tây Ban Nha César de la Fuente tại Đại học Pennsylvania đang thực hiện: sử dụng AI để khai thác và học hỏi từ các mô hình di truyền tiến hóa quy mô lớn nhằm phát triển các liệu pháp có thể lập trình. Nói cách khác, họ sửa đổi tế bào và phân tử bằng cách sử dụng một thư viện gene khổng lồ của sự sống để chữa hoặc ngăn ngừa bệnh tật.
Công cụ then chốt của chỉnh sửa gene là “chiếc kéo phân tử” dùng để cắt và dán các trình tự của mã di truyền (CRISPR/Cas), một kỹ thuật đã được trao giải Nobel năm 2020. Kể từ đó, chỉnh sửa gene tiếp tục phát triển mạnh mẽ, đến mức Viện Công nghệ Massachusetts (MIT) đã xếp nó vào danh sách 10 công nghệ đột phá hàng đầu của năm 2026.
Nghiên cứu mới chứng minh điều này bằng thế hệ đầu tiên của các mô hình AI có khả năng sửa đổi và chèn gene theo cách có thể lập trình: thay thế các mã di truyền bị lỗi và tái lập trình tế bào cho mục đích điều trị, mở đường cho thế hệ phương pháp điều trị mới chống lại ung thư và các bệnh di truyền.
Nguồn gốc của hệ thống mới này là sự sống ở mọi hình thái. “Các mô hình AI tiến hóa di truyền quy mô lớn”, ông De la Fuente giải thích, “cố gắng nắm bắt logic sâu xa của sự sống bằng cách học trực tiếp từ tiến hóa – về bản chất là một quá trình tối ưu hóa ở quy mô hành tinh vì nó đã khám phá một không gian trình tự khổng lồ và giữ lại những cấu hình hoạt động hiệu quả trong thế giới thực”.
“Bằng cách này, sử dụng cơ sở dữ liệu tự nhiên gồm DNA và protein từ vô số loài và hệ sinh thái, chúng tôi có thể học được những mẫu nào ổn định, những tổ hợp nào khả thi và những cấu trúc nào có xu hướng tạo ra các chức năng nhất định", nhà khoa học Tây Ban Nha cho biết thêm.
Trí tuệ nhân tạo đóng vai trò then chốt trong việc mở khóa chiến lược mới này. “Trong nhiều thập kỷ”, ông De la Fuente nói, “chúng ta đã giải mã các quy luật sinh học thông qua thử nghiệm. Những mô hình [AI tiến hóa] này cho phép chúng ta tăng tốc quá trình đó: chúng tôi không sử dụng AI để phân loại hay dự đoán, mà như một hệ thống sinh tạo có khả năng đề xuất các giải pháp mới, như phân tử, enzyme hoặc cấu trúc, với mục tiêu điều trị và phù hợp với các ràng buộc sinh học".
Kháng sinh và thuốc chống ung thư
Phòng thí nghiệm của nhà khoa học De la Fuente đã áp dụng mô hình mới này bằng cách thiết kế các phân tử mới để chống lại các bệnh nhiễm trùng kháng kháng sinh hiện có. Nhóm nghiên cứu phát triển các chuỗi axit amin ngắn (peptide) cho thấy hiệu quả 97% trong các thử nghiệm phòng thí nghiệm. “Điều này mở ra con đường mới để nhanh chóng tìm ra các ứng viên chống lại những mầm bệnh nguy hiểm nhất", ông nói.
Nhưng kết quả còn vượt xa hơn thế. “Chúng tôi tin rằng mình đang ở giai đoạn khởi đầu của một sự mở rộng lớn về những gì có thể làm được cho bệnh nhân ung thư và bệnh di truyền. Bằng cách sử dụng AI để thiết kế liệu pháp, chúng tôi hy vọng phát triển giải pháp cho hàng nghìn căn bệnh chưa thể chữa và thay đổi cuộc sống của hàng triệu người”, John Finn, nhà khoa học trưởng của Basecamp Research, cho biết. Công ty công nghệ này đã sử dụng mô hình để tạo ra các tế bào lympho CAR-T (tế bào miễn dịch) với hiệu quả 90% trong việc tiêu diệt tế bào khối u trong các thử nghiệm in-vitro.
Công trình này cải tiến so với các phương pháp dựa trên kỹ thuật chỉnh sửa bộ gene từng đoạt giải thưởng, vốn cho phép các thay đổi hạn chế và yêu cầu cắt DNA để chỉnh sửa. “CRISPR rất mạnh cho các chỉnh sửa nhỏ và chính xác, nhưng sinh học lâm sàng thường cần điều gì đó khác, chẳng hạn như thêm toàn bộ chức năng - tức là chèn gene hoặc nhóm gene có kích thước đáng kể và thực hiện ở các vị trí xác định trong bộ gen với độ tin cậy cao", ông De la Fuente giải thích.
“Việc chèn có thể lập trình [của mô hình mới] nhằm đạt được mục tiêu đó: coi bộ gene như một hệ thống nơi bạn không chỉ chỉnh sửa từng ký tự, mà có thể cài đặt các mô-đun theo cách có mục tiêu hơn. Về mặt khái niệm, đó là bước chuyển từ chỉnh sửa điểm sang tích hợp có kiểm soát, luôn kèm theo yêu cầu đánh giá nghiêm ngặt về an toàn, tính đặc hiệu và khả năng đưa vào cơ thể”, ông giải thích thêm.
Hệ thống AI mới cho bộ dữ liệu bộ gene khổng lồ của thế giới, mang tên EDEN (viết tắt của mạng lưới tiến hóa có nguồn gốc môi trường), đã đạt tỷ lệ chèn DNA chính xác vào vị trí mong muốn trong bộ gen người lên tới 73% với các enzyme được thử nghiệm.
EDEN xử lý DNA tiến hóa từ hơn một triệu loài mới được phát hiện, thu thập trong 5 năm tại 150 địa điểm ở 28 quốc gia. Mô hình đã được Nvidia huấn luyện và tăng tốc để đạt quy mô mà công ty so sánh với GPT-4 của OpenAI.
“Chỉnh sửa bộ gene có tiềm năng đặc biệt để sửa chữa các bất thường di truyền liên quan đến bệnh tật”, Tomoji Mashimo, người không tham gia nghiên cứu nhưng là tác giả chính của một nghiên cứu công bố trên Nature Biotechnology, cho biết. Trong nghiên cứu này, ông sử dụng một biến thể của CRISPR (Cas3) để ngăn chặn sự lắng đọng amyloid gây bệnh amyloidosis transthyretin (ATTR). “Trong những năm tới, công nghệ này có thể dẫn đến ứng dụng lâm sàng không chỉ cho ATTR mà còn cho các bệnh di truyền hiện chưa thể chữa khác”, ông nhận định.
Công nghệ bộ gene cũng có thể được sử dụng cho chẩn đoán và điều trị chính xác. Đây là trường hợp của hệ thống Sherlock, một phương pháp chẩn đoán dựa trên CRISPR cho phép phát hiện các trình tự axit nucleic từ mầm bệnh. Nghiên cứu công bố trên Nature Biomedical Engineering cho phép định lượng nhanh và chính xác các chủng và đột biến của nấm Candida auris. “Các phương pháp chẩn đoán hiện tại để phát hiện C. auris quá đắt đỏ, quá chậm và phụ thuộc vào thiết bị phức tạp cũng như nhân lực được đào tạo”, Justin Rolando, tác giả chính của nghiên cứu, cho biết.
Nhiễm trùng C. auris, vốn đặc biệt nguy hiểm với bệnh nhân suy giảm miễn dịch, được điều trị bằng thuốc kháng nấm, nhưng một số chủng đã phát triển khả năng kháng thuốc, buộc bác sĩ phải sử dụng thuốc thay thế hoặc khiến một số ca nhiễm không còn phương pháp điều trị hiệu quả.
