Với sự trợ giúp của trí tuệ nhân tạo (AI), các nhà khoa học đã có thể cải thiện hiệu suất và tỷ lệ thành công của việc phát triển thuốc.

Tương tác giữa thuốc và mục tiêu điều trị, cụ thể là các tương tác giữa các hợp chất hóa học và mục tiêu protein của chúng, là một lĩnh vực nghiên cứu y học quan trọng. Các nhà hóa học ước tính rằng từ các thành phần hiện nay có thể tổng hợp thành vô số hợp chất thuốc.

Nhưng cũng vì quá nhiều khả năng kết hợp, quá trình phát triển một loại thuốc trung bình mất khoảng 14 năm và tiêu tốn tới 1,5 tỷ USD, vì các thí nghiệm sinh học truyền thống để phát hiện ra hợp chất thuốc hữu ích thường tốn kém và tốn thời gian.

Giáo sư Hou Tingjun là một chuyên gia trong lĩnh vực thiết kế thuốc có sự hỗ trợ của máy tính (CADD) tại Đại học Khoa học Dược phẩm Đại học Chiết Giang. Trong những thập kỷ qua, Tingjun đã tìm cách phát triển các loại thuốc sử dụng công nghệ máy tính. "Thách thức lớn nhất nằm ở sự tương tác giữa các mục tiêu protein chưa biết và các phân tử thuốc. Làm thế nào chúng ta có thể khám phá các tương tác này hiệu quả hơn?", Tingjun nói.

Ngoài AI, dữ liệu đa ngành, chẳng hạn như bộ gen, protein và dược học, cũng đã phát triển mạnh mẽ. Trong mỗi lĩnh vực, có một khối lượng thông tin y sinh khổng lồ. Thông tin về thuốc, protein, bệnh tật, tác dụng phụ, quá trình sinh học, chức năng phân tử, thành phần tế bào, enzym sinh học và kênh ion đã được lưu trữ trong cơ sở dữ liệu chuyên dụng. Tuy nhiên, vẫn chưa thể tận dụng giá trị của những dữ liệu này trong quá trình khám phá thuốc.

Gần đây, trí tuệ nhân tạo (AI) đã mở ra nhiều khả năng mới. Hou nói: "Với trí thông minh nhân tạo, chúng tôi có thể cải thiện hiệu suất và tỷ lệ thành công của việc phát triển thuốc."

"Lĩnh vực này [CADD] đặc biệt thích hợp cho nghiên cứu liên ngành. Khối lượng thông tin sinh học đáng kể này có thể được trừu tượng hóa thành một hệ thống mạng nhiều lớp", Tingjun nói.

Vào tháng 11 năm 2021, Hou Tingjun và các đồng nghiệp đã đồng xuất bản một bài báo nghiên cứu có tựa đề "Khung dự đoán tương tác thuốc giữa thuốc và mục tiêu dựa trên biểu đồ kiến ​​thức và hệ thống khuyến nghị" trên tạp chí Nature Communications.

Trong nghiên cứu này, các nhà nghiên cứu đã đề xuất một khung thống nhất được gọi là KGE_NFM (biểu đồ tri thức và mạng cơ sở dữ liệu) bằng cách kết hợp biểu đồ kiến thức đã có và các kỹ thuật hệ thống khuyến nghị để dự đoán tương tác giữa thuốc và mục tiêu (DTI), có thể áp dụng cho các tình huống khám phá thuốc khác nhau, đặc biệt là khi gặp các mục tiêu là protein mới.

Hình minh họa. Nguồn:Đại học Chiết Giang

Các nhà nghiên cứu đã đánh giá KGE_NFM trong ba tình huống thực tế. Khi gặp mục tiêu là protein mới, các thuật toán AI tỏ ra hiệu quả hơn các thuật toán truyền thống 30%.

Hou nhận xét: "Điều này chứng tỏ khả năng vượt trội và khả năng vượt trội của AI trong việc dự đoán các mục tiêu protein chưa biết. Việc phát hiện ra 'các tương tác với mục tiêu chưa biết' là một phần quan trọng trong phát hiện thuốc."

Nhóm nghiên cứu hiện đang làm việc với một phòng thí nghiệm tại Tencent để thực hiện nghiên cứu sàng lọc ảo các loại thuốc viêm gan B.

Nguồn: https://techxplore.com/news/2021-12-ai-drug-discovery.html