Cách AI Giúp Tìm Kiếm Thuốc Chữa Ung Thư: Bên Trong Động Cơ Khám Phá Phân Tử Của BIOPTIC

Tìm kiếm một loại thuốc mới thường được miêu tả như tìm một cây kim trong đống rơm. Trên thực tế, vấn đề lớn hơn rất nhiều: "đống rơm" có thể chứa hàng tỷ, hoặc thậm chí hàng triệu tỷ, phân tử khả thi.

Đây là lúc trí tuệ nhân tạo vào phòng thí nghiệm.

BIOPTIC, một công ty công nghệ sinh học ưu tiên AI có liên kết với doanh nhân và cựu giám đốc điều hành Google Andrey Doronichev, đang phát triển công nghệ sử dụng học máy để tìm kiếm thư viện hóa học khổng lồ cho các phân tử có thể trở thành thuốc mới. Một trong những chương trình thú vị nhất của công ty tập trung vào ung thư, nơi hệ thống AI của nó đã được sử dụng để xác định các chất ức chế chọn lọc VEGFR-3, một mục tiêu sinh học liên quan đến sự hình thành mạch máu của khối u.

Từ khóa quan trọng ở đây là cuối cùng. AI không nhấn một nút và sản xuất thuốc chữa ung thư hoàn chỉnh. Thay vào đó, nó giúp các nhà khoa học quyết định phân tử nào đáng được tổng hợp và kiểm tra trong thực tế.

BIOPTIC Là Gì và AI Của Nó Thực Sự Làm Gì?

BIOPTIC hoạt động tại giao điểm của trí tuệ nhân tạo, hóa học tính toán và phát hiện thuốc. Ý tưởng cốt lõi của nó là xem việc khám phá hóa học một phần như một vấn đề tìm kiếm.

Một chương trình phát hiện thuốc thông thường có thể bắt đầu với một mục tiêu sinh học, một protein liên quan đến một căn bệnh, và sau đó tìm kiếm một phân tử có khả năng tương tác với mục tiêu đó theo cách mong muốn. Thách thức là số lượng phân tử có khả năng như thuốc là rất lớn.

Hệ thống B1 của BIOPTIC cố gắng làm cho việc tìm kiếm này dễ quản lý hơn.

Hệ thống đại diện cho các phân tử bằng toán học, tạo ra các nhúng số gọn gàng cho phép so sánh cấu trúc hóa học với tốc độ cao. Theo nghiên cứu đã được bình duyệt của công ty, B1 có thể tìm kiếm các thư viện chứa hàng chục tỷ hợp chất và lấy ra các phân tử có thể có tính chất sinh học tương tự ngay cả khi cấu trúc hóa học của chúng khác biệt đáng kể.

Vì vậy, AI không thay thế phòng thí nghiệm. Nó hoạt động như một bộ lọc cực kỳ nhanh trước khi bắt đầu công việc trong phòng thí nghiệm.

BIOPTIC B1 Tìm Kiếm Hàng Tỷ Phân Tử Như Thế Nào?

Nền tảng kỹ thuật của B1 là một hệ thống sàng lọc ảo dựa trên ligand.

Ligand là một phân tử có thể gắn kết với một mục tiêu sinh học, chẳng hạn như một protein. Nếu các nhà khoa học đã biết một số phân tử có hoạt tính hữu ích, những phân tử đó có thể là điểm khởi đầu cho một tìm kiếm mới.

B1 chuyển đổi thông tin phân tử thành một biểu diễn vector gọn gàng. Trong hệ thống đã được công bố, mỗi phân tử được đại diện dưới dạng một nhúng 60 chiều được lưu trữ bằng độ chính xác float16. Mô hình sau đó có thể so sánh một phân tử truy vấn với các biểu diễn phân tử đã được lập chỉ mục trước và tính toán độ tương đồng ở quy mô cực lớn.

Hệ thống đã được thử nghiệm trên Enamine REAL Space, một thư viện hóa học ảo chứa khoảng 40 tỷ phân tử được liệt kê.

Quy mô đó tạo ra một vấn đề kỹ thuật như một vấn đề khoa học. Các nhà nghiên cứu của BIOPTIC chia quá trình thành hai giai đoạn:

• Quét: các mạng nơ-ron xử lý các phân tử và tạo ra các nhúng.

• Tìm kiếm: các nhúng đã được tính trước được so sánh để lấy ra những ứng viên liên quan nhất.

Trong các chỉ số công bố, một tìm kiếm trên thư viện 40 tỷ hợp chất có thể được thực hiện trong khoảng hai phút rưỡi với thiết lập tìm kiếm dựa trên SSD được mô tả trong bài báo. Một cấu hình dựa trên RAM nhanh hơn đáng kể.

Điều này không có nghĩa là AI hiểu sinh học theo cách mà một nhà khoa học hiểu. Nó có nghĩa là hệ thống có thể nhanh chóng điều hướng một bản đồ toán học của không gian hóa học và xác định các ứng viên xứng đáng được chú ý hơn.

Dự Án Ung Thư: Tìm Kiếm Các Chất Ức Chế VEGFR-3 Chọn Lọc

Chương trình ung thư của BIOPTIC cung cấp một ví dụ cụ thể về cách cách tiếp cận này có thể hoạt động.

Mục tiêu là VEGFR-3, còn được biết đến là FLT4, một thụ thể liên quan đến các con đường tín hiệu kết nối với sự hình thành mạch máu, sự hình thành các mạch máu mới. Các khối u có thể khai thác sự hình thành mạch máu để hỗ trợ sự phát triển của chúng, làm cho con đường này trở thành một lĩnh vực quan trọng trong nghiên cứu ung thư.

Thách thức là tính chọn lọc.

Các loại thuốc ảnh hưởng rộng rãi đến nhiều thụ thể VEGF cũng có thể tương tác với các hệ thống sinh học khác, có thể làm tăng độc tính. Dự án của BIOPTIC nhằm xác định các phân tử nhỏ có tính chọn lọc mạnh hơn cho VEGFR-3.

Công ty sử dụng một quy trình hai mô hình:

SMILES là một ký hiệu dựa trên văn bản được sử dụng để mô tả cấu trúc phân tử. Điều này khiến hóa học trở nên tương thích một cách bất ngờ với các kỹ thuật mô hình ngôn ngữ: một phân tử có thể được đại diện dưới dạng một chuỗi ký tự, cho phép các hệ thống AI học các mẫu trong dữ liệu hóa học.

Sau khi mô hình đầu tiên quét một thư viện siêu lớn gồm 40 tỷ hợp chất, một Mạng Nơ-ron Đồ thị được sử dụng làm bộ lọc thứ hai. Khác với chuỗi văn bản, một đồ thị đại diện cho các nguyên tử như là các nút và các liên kết hóa học như là các kết nối, khiến GNN hữu ích cho việc mô hình hóa cấu trúc và mối quan hệ phân tử.

Từ Dự Đo Kỹ Thuật Số Đến Một Phân Tử Thực Tế

Đây là điểm mà câu chuyện AI trở thành khoa học thực sự.

Máy tính có thể dự đoán rằng một phân tử trông hứa hẹn, nhưng phân tử đó vẫn cần được tổng hợp và thử nghiệm thực nghiệm.

Trong dự án VEGFR-3, BIOPTIC báo cáo đã thử nghiệm 110 hợp chất bằng cách sử dụng xét nghiệm profiling kinase. Nhiều phân tử cho thấy hoạt tính chống lại VEGFR-3, và ba phân tử chọn lọc cho một mục tiêu VEGFR duy nhất. Một ứng viên cho thấy tính chọn lọc hơn 45 lần so với VEGFR-1 và VEGFR-2 trong các thử nghiệm được báo cáo. Các phát hiện đã được trình bày trong một tóm tắt cho Hội nghị Thường niên ASCO năm 2025 và công bố như một tóm tắt hội nghị trong Tạp chí Ung thư lâm sàng.

Các nhà nghiên cứu đã kết hợp khám phá phân tử với phân tích RNA sequencing. Sử dụng thuật toán Oncobox, họ đã phân tích hàng nghìn hồ sơ biểu hiện khối u để ước lượng các loại ung thư nào có thể phản ứng tốt nhất với sự ức chế VEGFR-3 chọn lọc. Các ứng viên được báo cáo để tiếp tục điều tra bao gồm ung thư tuyến giáp dạng nhú, ung thư thận tế bào sáng, ung thư tụy, ung thư buồng trứng và các loại sarcoma.

Đây là những phát hiện nghiên cứu, không phải là chứng cứ rằng một loại thuốc chữa ung thư hoàn chỉnh đang sẵn sàng cho bệnh nhân.

Bằng Chứng Khoa Học Hỗ Trợ BIOPTIC B1

Công nghệ của BIOPTIC cũng đã được mô tả trong tài liệu khoa học đã được bình duyệt.

Vào năm 2025, các nhà nghiên cứu đã công bố một nghiên cứu trong Tạp chí Thông tin và Mô hình hóa Hóa học mô tả BIOPTIC B1 và việc sử dụng nó trong một thí nghiệm phát hiện thuốc triển vọng nhắm vào LRRK2, một protein liên quan đến bệnh Parkinson.

Hệ thống đã tìm kiếm cùng một không gian hóa học 40 tỷ phân tử và xác định các ligand mới cho cả các dạng bình thường và đột biến của LRRK2. Các hợp chất được kiểm nghiệm tốt nhất đạt được các hằng số phân ly thấp tới 110 nanomolar.

Giai đoạn tiếp theo đặc biệt quan trọng để hiểu phát hiện thuốc hỗ trợ AI. Các hit ban đầu không được coi là câu trả lời cuối cùng. Các nhà khoa học đã sử dụng các hợp chất tốt nhất như là điểm khởi đầu cho một tìm kiếm tương tự, lấy lại các phân tử có cấu trúc liên quan, lọc chúng theo các thuộc tính thực tiễn và chọn các ứng viên mà có thể thực tế được tổng hợp.

Trong số 48 analog được chọn, 47 đã được tổng hợp thành công. Các hợp chất thu được sau đó được thử nghiệm lại, tạo ra một vòng phản hồi giữa tính toán, hóa học và sinh học.

Tại Sao AI Không Thể Thay Thế Các Nhà Khoa Học Thuốc

Cụm từ “AI phát hiện thuốc” rất hấp dẫn, nhưng không đầy đủ.

AI có thể xếp hạng các phân tử dựa trên các mẫu đã học từ dữ liệu. Nó có thể tăng tốc quá trình sàng lọc ảo và xác định các mối quan hệ hóa học mà khó có thể khám phá theo cách thủ công. Nhưng một dự đoán vẫn là một dự đoán cho đến khi công việc thực nghiệm xác nhận.

Các nhà khoa học vẫn cần trả lời các câu hỏi cơ bản:

• Có phải phân tử thực sự gắn kết với mục tiêu?

• Nó có ảnh hưởng đến con đường sinh học mà nó dự định không?

• Nó có đủ chọn lọc không?

• Nó có độc không?

• Nó có thể đến đúng mô không?

• Nó có được chuyển hóa an toàn không?

• Nó có hoạt động trên động vật không?

• Nó có giúp bệnh nhân con người không?

Một phân tử hứa hẹn có thể thất bại ở bất kỳ điểm nào.

Đó là lý do tại sao giá trị thực sự của các hệ thống như BIOPTIC B1 có thể là tốc độ hơn là phép màu. Nếu AI có thể giảm hàng tỷ khả năng lý thuyết xuống còn vài chục phân tử đáng thử nghiệm, nó có thể làm cho những giai đoạn đầu tiên của phát hiện thuốc hiệu quả hơn.

Tương Lai Của Y Tế Dựa Trên AI

Công việc của BIOPTIC minh họa một sự chuyển đổi rộng hơn trong công nghệ sinh học. AI đang ngày càng trở thành một phần của cơ sở hạ tầng nghiên cứu, một hệ thống để tìm kiếm không gian hóa học, ưu tiên các thử nghiệm và kết nối dữ liệu phân tử với thông tin sinh học.

Nghiên cứu ung thư của công ty đặc biệt thú vị vì nó kết hợp nhiều lớp tính toán: sàng lọc phân tử, mô hình hóa tính chọn lọc và phân tích RNA-seq của sinh học khối u.

Nhưng sản phẩm cuối cùng của quá trình này không phải là đơn thuốc do AI tạo ra. Nó là một danh sách ngắn các giả thuyết để các nhà khoa học kiểm nghiệm.

Sự phân biệt đó rất quan trọng.

AI có thể giúp các nhà nghiên cứu tìm kiếm hàng tỷ phân tử nhanh hơn so với các phương pháp truyền thống. Nó có thể phát hiện các cấu trúc hóa học chưa quen thuộc và hướng các phòng thí nghiệm đến các ứng viên mà nếu không thì sẽ vẫn bị ẩn giấu. Tuy nhiên, phân tử đó vẫn phải trải qua hóa học, sinh học, độc tính, nghiên cứu tiền lâm sàng và các thử nghiệm lâm sàng.

Nói cách khác, AI không thay thế nhà khoa học đang tìm kiếm phương thuốc cho bệnh ung thư.

Nó đang cung cấp cho nhà khoa học đó một động cơ tìm kiếm mạnh mẽ hơn rất nhiều.