Công việc tay trái của các nhà khoa học? Sử dụng AI và điện toán lượng tử để tạo ra các peptide mới

Các nhà khoa học đã chứng minh thành công rằng máy tính lượng tử có thể cải thiện độ chính xác và phạm vi của các mô hình khám phá thuốc trí tuệ nhân tạo tạo sinh. Và họ đã làm điều đó bằng thời gian rảnh và số tiền còn lại từ các dự án khác.

Nhóm nghiên cứu tại Đại học Kỹ thuật Đan Mạch (DTU) đã vận hành mô hình AI tạo sinh dự đoán protein của họ kết hợp với một máy tính lượng tử có kích thước bằng máy in do công ty khởi nghiệp Orca Computing của Anh chế tạo, giúp tăng tốc AI bằng cách kết nối máy lượng tử với bộ xử lý truyền thống. Các nhà nghiên cứu đã sử dụng kỹ thuật lai này để tạo ra các peptide mới—chuỗi ngắn các axit amin—có khả năng liên kết với các protein cụ thể trong cơ thể. Đây là một bước quan trọng trong phát triển vắc-xin.

Nhóm nghiên cứu đã làm việc vào cuối tuần và gom góp số tiền chưa sử dụng từ các dự án khác vì "hầu hết khoa học đổi mới đều quá đáng sợ đối với các quỹ tài trợ," theo lời giáo sư Timothy Patrick Jenkins của DTU, người dẫn dắt dự án.

Việc tạo ra các peptide trong phòng thí nghiệm và kiểm tra xem chúng có liên kết với các protein cụ thể hay không cho thấy mô hình này tạo ra nhiều peptide thành công hơn so với phiên bản cổ điển, với những cải thiện mạnh mẽ nhất ở những nơi dữ liệu huấn luyện khan hiếm.

Nhóm nghiên cứu tin rằng cỗ máy này có thể đẩy nhanh quá trình phát triển các liệu pháp miễn dịch và vắc-xin cá nhân hóa, cũng như cải thiện hiệu quả của thuốc ở các nhóm đối tượng chưa được nghiên cứu kỹ lưỡng.

"Chúng tôi cần phải thực sự chứng minh điều đó để thuyết phục những người hoài nghi rằng các dự đoán của chúng tôi kết nối với thế giới thực," Jenkins nói với WIRED. Điện toán lượng tử vẫn là một lĩnh vực non trẻ và phải đối mặt với sự giám sát chặt chẽ do những thách thức kỹ thuật trong việc chế tạo những cỗ máy này và ứng dụng thành công chúng để giải quyết các vấn đề.

Ngay cả Jenkins ban đầu cũng do dự khi khám phá công nghệ này: "Tôi từng là một người hoài nghi lớn về lượng tử," ông nói với tiếng cười, tin rằng bất kỳ ứng dụng nào vào công việc của mình cũng sẽ "còn cách xa hàng thập kỷ."

Ông và nhóm của mình sử dụng dữ liệu lớn và AI để khám phá các protein có thể mở ra các liệu pháp miễn dịch mới với chi phí rẻ hơn và nhanh hơn, thường được tài trợ bởi Quỹ Novo Nordisk. Trong khi hầu hết các nhà tạo mô hình sinh học đều khao khát có thêm dữ liệu, một thách thức đặc biệt đối với nhóm của ông là thiếu dữ liệu về toàn bộ sự đa dạng của thông tin di truyền trên toàn nhân loại, vì hầu hết nghiên cứu y học đều tập trung vào các nhóm dân cư phương Tây. Ông cho biết điều này có thể gây khó khăn trong việc phát triển các peptide có hiệu quả trên các nhóm dân cư chưa được nghiên cứu kỹ, chẳng hạn như ở châu Á và châu Phi.

Nhóm của ông đã đưa ra giả thuyết rằng việc tích hợp một máy tính lượng tử vào quy trình làm việc của họ có thể giúp nó tạo ra một bộ peptide đa dạng hơn, đặc biệt là cho các mục tiêu mà họ có ít dữ liệu, sau khi biết rằng các cỗ máy này có tác dụng tương tự trong việc tạo ra hình ảnh.

Quy trình mới được phát hiện này sẽ chưa cách mạng hóa nghiên cứu vì máy tính lượng tử vẫn còn quá nhỏ để chạy các mô hình AI tiên tiến quy mô đầy đủ, nghĩa là có thể đạt được kết quả tốt hơn trên máy tính cổ điển.

"Lượng tử vẫn chưa mạnh lắm, vì vậy mức độ phức tạp mà chúng tôi có thể mã hóa không phải là một kháng thể có kích thước bình thường, thứ mà chúng tôi thường làm việc," nghiên cứu sinh tiến sĩ Jonathan Funk của DTU cho biết. Hơn nữa, việc tìm ra một peptide có thể liên kết với một gen cụ thể chỉ là một bước trong phát triển vắc-xin và một mình nó sẽ không tạo ra các loại thuốc thành công.

"Tôi nghĩ không có gì ngạc nhiên khi nhiều công ty công nghiệp cho rằng lượng tử còn mơ hồ và xa vời," giám đốc điều hành Orca Computing, Richard Murray, nói với WIRED, một phần vì công nghệ này "chưa từng có những ví dụ rõ ràng về tính hữu dụng trong ngắn hạn."

Ông nói rằng nghiên cứu này mới lạ ở chỗ nó cho thấy một ứng dụng thương mại ngắn hạn.

Ứng dụng cho lượng tử. Công ty của ông cũng đang áp dụng công nghệ này thông qua các dự án với tập đoàn dầu khí BP về hóa học và hãng xe Toyota để nâng cao hiệu quả quy trình thiết kế.

Nhóm nghiên cứu tại DTU sẽ xem xét liệu họ có thể áp dụng quy trình làm việc này với các mô hình tiên tiến hơn và các protein lớn hơn hay không. "Chúng tôi cần một cách dễ dàng để xác nhận rằng giờ đây chúng tôi thực sự có cơ hội tạo ra sự khác biệt đáng kể," Jenkins cho biết, đồng thời lưu ý rằng các quy trình AI tạo sinh đặc biệt có giá trị trong các bệnh bị lãng quên, nơi nhận được ít kinh phí nghiên cứu. Ông cũng đang xem xét sử dụng máy tính lượng tử để nâng cao phương pháp AI tạo sinh của mình nhằm thiết kế các chất giải độc tổng hợp cho nọc rắn.