Giải Nobel là giải thưởng danh giá trao tặng hàng năm cho các cá nhân hoặc tập thể vì những đóng góp to lớn của họ cho nhân loại trong các lĩnh vực bao gồm vật lý, hóa học, y học, văn học, hòa bình và kinh tế. Năm 2024, Giải Nobel vật lý và hóa học đánh dấu sự ghi nhận về tiềm năng của khoa học máy tính và trí tuệ nhân tạo (AI) trong việc giải quyết các vấn đề khoa học phức tạp, đặc biệt là trong nghiên cứu sinh học [1].

 
Giải Nobel vật lý 2024 tôn vinh John Hopfield và Geoffrey Hinton vì những công trình đặt nền tảng cho sự phát triển của học máy và mạng neuron nhân tạo. Lấy cảm hứng từ cấu trúc và hoạt động của bộ não, Hopfield đã phát triển ‘Mạng Hopfield’ – một dạng mạng neuron cho phép máy tính ‘ghi nhớ’ thông tin. Tiếp bước công trình này, Hinton đã phát triển ‘Boltzmann Machine’, một mạng neuron có khả năng ‘học’ và nhận diện những đặc trưng của dữ liệu. Các nghiên cứu tiên phong của họ đã tạo ra nền tảng cho sự phát triển của AI hiện đại.

Giải Nobel hóa học 2024 vinh danh David Baker, Demis Hassabis, và John Jumper vì những đóng góp mang tính cách mạng cho thiết kế và dự đoán cấu trúc protein bằng máy tính. Protein là những ‘cỗ máy’ phân tử quan trọng, vận hành các hoạt động thiết yếu của sự sống, từ việc xúc tác các phản ứng sinh hóa, vận chuyển oxy, đến bảo vệ cơ thể trước sự tấn công của các mầm bệnh. Chính nhờ sự đa năng này, nghiên cứu về protein không chỉ mang tiềm năng to lớn trong phát triển các phương pháp điều trị các căn bệnh nan y, mà còn hứa hẹn thúc đẩy các ngành công nghiệp, từ sản xuất sinh học cho đến công nghệ thực phẩm và bảo vệ môi trường.

Protein được tạo thành từ 20 loại amino acid khác nhau, và cách sắp xếp các amino acid này quyết định chức năng của chúng. Trong tự nhiên, khi trình tự amino acid bị thay đổi, protein có thể phát sinh các chức năng mới. David Baker phát triển bộ phần mềm Rosetta – một công cụ giúp các nhà khoa học sử dụng máy tính để thiết kế các protein hoàn toàn mới bằng cách thay đổi tổ hợp amino acid của protein. Phần mềm này đã mở ra khả năng tạo ra những protein chưa từng tồn tại trong tự nhiên.
Cùng chia sẻ giải Nobel hóa học 2024, Demis Hassabis và John Jumper được vinh danh vì tìm ra giải pháp cho một trong những thách thức lớn nhất trong nghiên cứu sinh học: dự đoán cấu trúc của các protein. Thuật toán AlphaFold2 do nhóm của Jumper và Hassabis phát triển là lời giải cho bài toán hơn 50 năm về việc dự đoán cấu trúc ba chiều của protein chỉ dựa trên trình tự amino acid. Các protein gấp cuộn thành những hình dạng phức tạp, và hình dạng này quyết định chức năng của chúng trong tế bào. Việc hiểu rõ cấu trúc là điều bắt buộc để hiểu về chức năng của protein và phát triển các ứng dụng tiềm năng.
Trước AlphaFold2, việc xác định cấu trúc của protein là một quá trình kỳ công. Các kỹ thuật như tinh thể học tia X và kính hiển vi điện tử lạnh yêu cầu các nhà nghiên cứu phải tinh chế protein, thu thập dữ liệu bằng các máy móc tinh vi, và sau đó mất nhiều công sức để mô hình hóa dữ liệu thô thành cấu trúc. Các phương pháp này có thể mất nhiều tháng hoặc thậm chí nhiều năm để mang lại kết quả và tính phức tạp của chúng tạo ra trở ngại lớn trong nghiên cứu protein. Từ phát hiện của Anfinsen vào năm 1961, người ta biết rằng cấu trúc của protein được quyết định bởi trình tự amino acid của chúng, và từ đây ý tưởng sử dụng máy tính để dự đoán cấu trúc protein được khởi nguồn. Tuy nhiên, những nỗ lực ban đầu chỉ đạt được thành công vô cùng hạn chế vì sự phức tạp trong ma trận tương tác giữa các amino acid [2].
AlphaFold2 ra đời và giải quyết bài toán trên nhờ ứng dụng thành tựu của ngành AI và nguồn dữ liệu có được từ nhiều ngàn giờ lao động của các nhà sinh học cấu trúc. Bằng cách huấn luyện mạng neuron nhân tạo trên hơn 200.000 cấu trúc protein đã biết, AlphaFold2 đã học được mối quan hệ giữa trình tự chuỗi amino acid với dạng gấp cuộn tương ứng, mang lại khả năng dự đoán cấu trúc cho các trình tự protein với độ chính xác cao vượt trội, giải quyết được bài toán đã tồn tại hơn nửa thế kỉ. Kể từ khi ra đời, AlphaFold2 đã dự đoán cấu trúc cho hơn 200 triệu protein được con người biết đến, mang đến những hiểu biết mới về nguyên nhân các căn bệnh nan y, cơ chế kháng thuốc của vi khuẩn, và nguyên nhân tại sao một số vi khuẩn có thể phân hủy rác thải nhựa.
Những đóng góp của Hopfield và Hinton thúc đẩy những tiến bộ của AI, lĩnh vực mà hiện nay đang dần thay đổi cách các nhà nghiên cứu tiếp cận các vấn đề trong sinh học. AI hiện tại đang tạo ra cơ hội để các nhà sinh học phân tích và có góc nhìn mới về những dữ liệu đa chiều phức tạp mà trước đây không thể thực hiện được với các phương pháp phân tích truyền thống. Ví dụ, để hiểu rõ hơn về cơ chế phân tử của quá trình phát sinh ung thư, các nhà nghiên cứu có thể dựng một mô hình mạng lưới tương tác (interactome) giữa gene, protein, mRNA, các chất chuyển hóa liên quan. Các thuật toán AI có thể xử lý hiệu quả mạng lưới thông tin dày đặc này để cung cấp cái nhìn rõ ràng hơn vè quá trình phát sinh ung thư và các mục tiêu tiềm năng để ức chế quá trình này [3] .
Các công trình của Baker, Hassabis và Jumper đặt nền móng để phát triển các vaccine mới với tiềm năng nhắm trúng đích tế bào miễn dịch như tế bào M để phát triển vaccine dạng uống [4], [5], phát triển vật liệu nano cho y học [6], cảm biến sinh học để chỉ thị sự có mặt của các chất độc hại trong môi trường [7]. Và trong tương lai, nhờ khả năng tùy biến hoặc thiết kế mới protein bất kì, các ứng dụng tiềm năng khác như thiết kế enzyme phân hủy các chất gây ô nhiễm trong môi trường, thiết kế protein tiêu diệt trúng đích tế bào ung thư, tạo ra các phương pháp điều trị hiệu quả và ít tác dụng phụ hơn sẽ trở nên khả thi hơn bao giờ hết.
Đại học Quốc gia Thành phố Hồ Chí Minh trong những năm vừa qua cũng đã bước đầu đầu tư cho một số nhóm về ứng dụng AI, học máy, dự đoán cấu trúc và tương tác protein trong phát triển vaccine dạng uống, hít của PGS.TS. Trần Văn Hiếu (Trường Đại học Khoa học Tự nhiên) hay nghiên cứu tương tác của protein virus với thụ thể trên màng tế bào của PGS.TS. Huỳnh Kim Lâm (Trường Đại học Quốc tế).

CN. Lê Mạnh Liêm, CN. Đinh Thuận Thiên, PGS.TS. Trần Văn Hiếu
Khoa Sinh học – Công nghệ Sinh học, Trường Đại học Khoa học Tự nhiên.

Tài liệu tham khảo
[1] “All Nobel Prizes 2024,” NobelPrize.org. Accessed: Oct. 11, 2024. [Online]. Available: https://www.nobelprize.org/all-nobel-prizes-2024/
[2] L. M. Liêm, N. V. M. Thường, Đ. T. Thiên, and T. V. Hiếu, “Protein structure modeling using cloud-based servers,” Science & Technology Development Journal: Natural Sciences, vol. 8, no. 1, Art. no. 1, Mar. 2024, doi: 10.32508/stdjns.v8i1.1244.
[3] Y. You et al., “Artificial intelligence in cancer target identification and drug discovery,” Sig Transduct Target Ther, vol. 7, no. 1, pp. 1–24, May 2022, doi: 10.1038/s41392-022-00994-0.
[4] H.-A. Le-Dao, T.-T. Dinh, T. L. Tran, V. S. Lee, and H. Tran-Van, “Molecular Dynamics Simulations Reveal Novel Interacting Regions of Human Prion Protein to Brucella abortus Hsp60 Protein,” Mol Biotechnol, vol. 66, no. 4, pp. 687–695, Apr. 2024, doi: 10.1007/s12033-023-00655-9.
[5] H. Tran-Van, H. A. Le-Dao, and T. M. Dinh, “M cell: intestinal immunity’s gateway,” Science & Technology Development Journal: Natural Sciences, vol. 5, no. 4, Art. no. 4, Dec. 2021, doi: 10.32508/stdjns.v5i4.1111.
[6] E. C. Yang et al., “Computational design of non-porous pH-responsive antibody nanoparticles,” Nat Struct Mol Biol, vol. 31, no. 9, pp. 1404–1412, Sep. 2024, doi: 10.1038/s41594-024-01288-5.
[7] M. J. Bick et al., “Computational design of environmental sensors for the potent opioid fentanyl,” eLife, vol. 6, 2017, doi: 10.7554/eLife.28909.