Các nhà khoa học sử dụng AI để tạo ra kháng thể chống đột biến cho SARS-CoV-2

Từ khi đại dịch COVID-19 bùng phát, virus SARS-CoV-2 liên tục biến đổi, khiến việc phát triển thuốc và kháng thể trở nên khó khăn hơn bao giờ hết. Trước thách thức này, các nhà khoa học đã bắt đầu ứng dụng trí tuệ nhân tạo (AI) để hỗ trợ thiết kế kháng thể có khả năng chống lại nhiều biến thể khác nhau của virus. Nhờ AI, quá trình nghiên cứu trở nên nhanh chóng, tiết kiệm thời gian và mở ra nhiều hy vọng mới trong việc kiểm soát dịch bệnh hiệu quả hơn. Để hiểu rõ hơn, mời bạn đọc cùng tham khảo bài viết dưới đây.

Bối cảnh nghiên cứu

Virus SARS-CoV-2 là tác nhân gây ra đại dịch COVID-19, đã trở thành một trong những thảm họa y tế nghiêm trọng nhất trong lịch sử, khiến hơn 7 triệu người tử vong kể từ khi được phát hiện vào cuối năm 2019. Nhờ các biện pháp giãn cách xã hội và chiến dịch tiêm chủng trên diện rộng, tốc độ lây lan của dịch bệnh đã phần nào được kiểm soát. Tuy nhiên, virus này vẫn tiếp tục biến đổi nhanh chóng. Nhiều biến thể mới đã xuất hiện và cho thấy khả năng kháng lại các loại kháng thể từng được phê duyệt. Chẳng hạn, các biến thể B.1.427 và B.1.429 đã không còn nhạy cảm với bamlanivimab và etesevimab do có đột biến L452R.

Trong khi các nhà khoa học vẫn đang cố gắng theo kịp tốc độ tiến hóa của virus, phương pháp phát hiện và phát triển kháng thể truyền thống lại tiêu tốn nhiều thời gian và chi phí. Vì vậy, việc ứng dụng các công nghệ hiện đại như trí tuệ nhân tạo (AI), đặc biệt là các mô hình như mạng nơ-ron đồ thị (GNN) và mô hình ngôn ngữ tự nhiên, đang mở ra hướng đi mới, giúp quá trình thiết kế và chọn lọc kháng thể diễn ra nhanh chóng và hiệu quả hơn rất nhiều.

Về nghiên cứu

Các nhà khoa học sử dụng AI để tạo ra kháng thể chống đột biến cho SARS-CoV-2, cụ thể: Nghiên cứu này nhằm kiểm tra khả năng ứng dụng trí tuệ nhân tạo (AI) trong việc mô phỏng liên kết giữa kháng thể và kháng nguyên, đồng thời sàng lọc ra các kháng thể có khả năng trung hòa nhiều biến thể virus. Các nhà khoa học đã phát triển nhiều mô hình AI nội bộ dựa trên hai loại kiến trúc chính: Mạng nơ-ron đồ thị (GNN) và mạng ngôn ngữ. Đặc biệt, GNN giúp thể hiện mối liên kết giữa các axit amin dưới dạng đồ thị, từ đó nhận diện cả các đặc điểm cục bộ lẫn toàn cục trong cấu trúc kháng thể. Những mô hình này được huấn luyện bằng dữ liệu từ bốn nguồn lớn: SKEMPI, Observed Antibody Space, AB-Bind và UniProt. Sau quá trình huấn luyện, các mô hình được kiểm tra độ chính xác và khả năng mở rộng thông qua phương pháp "Leave-5-out".

Để tìm ra kháng thể trung hòa hiệu quả COVID-19, nhóm nghiên cứu đã sử dụng dữ liệu từ GISAID (gồm 1.300 chủng virus) để chọn ra các mẫu kháng thể tiềm năng, tiến hành sàng lọc đột biến in silico và phân tích khả năng liên kết rộng. Những kháng thể có khả năng chống lại đột biến trong vùng protein S1 của virus được xác định là hiệu quả nhất. Cuối cùng, các thử nghiệm trong phòng thí nghiệm như ELISA và xét nghiệm độc tính tế bào đã được tiến hành để kiểm chứng kết quả dự đoán. Khi biến thể Omicron xuất hiện, nhóm nghiên cứu đã nhanh chóng điều chỉnh mô hình và thiết kế thêm kháng thể mới, cho thấy khả năng thích nghi cao của phương pháp này với các biến thể SARS-CoV-2 mới.

Kết quả nghiên cứu

Mô hình AI này dùng mạng đồ thị cho kết quả chính xác cao hơn mô hình ngôn ngữ và phần mềm truyền thống như Discovery Studio, với hệ số Pearson đạt 0,6 so với 0,45. Các kháng thể được thiết kế bằng AI sau đó đã được tổng hợp và thử nghiệm trong phòng thí nghiệm. Kết quả cho thấy phần lớn có khả năng liên kết mạnh với các chủng virus như B.1, Delta và Omicron.

Trong các xét nghiệm tế bào học, 10 kháng thể có thể trung hòa virus Delta và một kháng thể hiệu quả với Omicron. Tuy nhiên, không phải kháng thể nào liên kết mạnh cũng trung hòa tốt, có thể do khác biệt trong cấu trúc virus thật so với mô hình thử nghiệm. Nghiên cứu mới chỉ được kiểm chứng trong ống nghiệm, chưa thử nghiệm trên cơ thể sống. Nghiên cứu này cho thấy việc ứng dụng mạng nơ-ron sâu và AI không dựa trên cấu trúc giúp phát hiện và chọn lọc kháng thể điều trị hiệu quả hơn. So với các phương pháp truyền thống không dùng AI, các mô hình này vượt trội về chi phí, độ chính xác và tốc độ xử lý. Một điểm mạnh khác là chúng có thể liên tục cải tiến kháng thể ban đầu, giúp thích ứng với những biến đổi nhanh chóng của virus.

Tóm lại, việc các nhà khoa học sử dụng AI để tạo ra kháng thể chống đột biến cho SARS-CoV-2 đánh dấu một bước đột phá quan trọng trong lĩnh vực y học hiện đại. Không chỉ giúp rút ngắn thời gian nghiên cứu, phương pháp này còn tăng khả năng ứng phó với các biến thể virus mới xuất hiện. Sự kết hợp giữa công nghệ và y học hứa hẹn sẽ mang đến nhiều giải pháp linh hoạt, hiệu quả hơn trong việc kiểm soát dịch bệnh trong tương lai.