Khám phá và thiết kế thuốc mới với trí tuệ nhân tạo
Biên soạn: Nguyễn Thị Duyên
Mentor: Võ Đức Duy, Ph.D.
DSP-1181, loại ứng viên thuốc đầu tiên được thiết kế sử dụng trí tuệ nhân tạo (Artificial Intelligence, AI) đã chuyển sang thử nghiệm Lâm sàng Giai đoạn I chỉ sau 12 tháng ở Nhật Bản, nhằm chữa trị bệnh rối loạn ám ảnh cưỡng chế (Obsessive-Compulsive Disorder, OCD). Hợp chất này là kết quả hợp tác giữa Exscientia, công ty mới thành lập của Anh Quốc, tập trung ứng dụng trí tuệ nhân tạo trong thiết kế thuốc, và tập đoàn dược Sumitomo Dainippon Pharma của Nhật Bản.
Cơ chế hoạt động của thuốc DSP-1181
Thuốc hoạt động như một chất chủ vận hoàn toàn (full agonist) cho thụ thể (receptor) serotonin 5-HT1A, thay vì các chất chủ vận khác chỉ có khả năng ngăn chặn một phần hoạt động chất. DSP-1181 cũng có thời gian bán huỷ (half-life) dài hơn nhiều so với các loại thuốc khác, chứng minh nó sẽ có hiệu quả mạnh mẽ hơn và thời gian tác dụng dài hơn nhiều so với các liệu pháp hiện tại. Tác nhân trong thuốc điều khiển các mạch thần kinh liên quan đến OCD, cho hiệu quả nhanh hơn các phương pháp điều trị tiêu chuẩn. Theo công bố mới nhất ngày 30 tháng 7 năm 2020, DSP-1181 đã được đưa vào thử nghiệm lâm sàng giai đoạn 1 ở Nhật Bản. Quy trình thử nghiệm có thể kéo dài 1 năm. Độc giả có thể theo dõi tin tức mới nhất tại đây.
Hình 1. Tác dụng của học tích cực (active learning) trong việc tối ưu hoá việc khám phá thuốc mới -1811. Trong hình trên, đường màu đỏ là kết quả nghiên cứu của con người, chỉ bằng 1 nửa kết quả lý tưởng và thấp hơn khả năng của AI khá nhiều (đường xanh và đường vàng). Trong những năm gần đây, học tập tích cực đã bắt đầu vượt qua ngay cả những nhà khoa học giỏi nhất và giàu kinh nghiệm nhất, gợi ý một tương lai nghiên cứu y học do trí tuệ nhân tạo thống trị. Ảnh từ futuretime.
Sử dụng AI trong thiết kế thuốc
Một trong những công cụ sử dụng thuật toán tối ưu hoá khả năng xác định chất hoá học mới với cấu hình phân tử mong muốn là hệ thống hoá học Centaur ChemistTM dựa trên nền tảng trí tuệ nhân tạo (AI). AI được sử dụng ngay từ những bước đầu trong quá trình khám phá và thiết kế thuốc từ dữ liệu, giúp tiết kiệm thời gian tìm kiếm không gian hoá học bằng cách sàng lọc từ hàng tỷ tuỳ chọn về cấu hình nguyên tử để tìm kiếm mục tiêu tối ưu nhất. Ngày nay, AI và học máy (machine learning) thay thế các phương pháp thiết kế thuốc truyền thống bằng bộ các thuật toán tiên tiến. AI tạo ra hàng triệu phân tử thuốc mới tiềm năng theo thông số ban đầu và học máy dự đoán hợp chất nào trong số đó sẽ có tác dụng cho hàng trăm, hàng ngàn protein. Thuật toán thứ ba, gọi là học tích cực (active learning), sau đó sẽ lựa chọn một vài hợp chất tiêu biểu nhất để các nhà nghiên cứu tổng hợp và kiểm tra.
Quy trình này cho phép các nhà khoa học chế tạo thuốc một cách chính xác, nhanh gọn và đáp ứng số lượng lớn các mục tiêu thiết kế cùng một lúc.
Hình 2. Quy trình khám phá và phát triển DSP-1811. Hệ thống Centaur Chemistry (bản quyền Exscientia) sàng lọc thông qua “dữ liệu nhỏ” (kết hợp với “dữ liệu lớn” phong phú hơn), giúp phát hiện ra các mẫu và mục tiêu tiềm năng mà các nhà nghiên cứu con người bỏ sót. Ảnh từ futuretime.
Các vấn đề trong Nghiên cứu và Phát triển (R&D)
Một vấn đề nổi cộm trong thiết kế thuốc là số lượng dữ liệu có sẵn rất hạn chế. Có rất nhiều nguồn dữ liệu sinh học và hoá học có thể được kết hợp để xây dựng nên các mô hình học máy. Mặc dù vậy, phần lớn các dự án khám phá thuốc vấp phải vấn đề thiếu thông tin hoặc thông tin rời rạc, thưa thớt cho phần lớn các protein trong cơ thế người. Do đó, thách thức là làm thế nào để học nhanh từ rất ít dữ liệu. Để giải quyết vấn đề này, cần phát triển một bộ thuật toán trong lĩnh vực học tập tích cực (active learning). Vượt qua được thử thách về thiết kế sẽ giúp sàng lọc được các chất tối ưu và giúp dự án tiến triển nhanh hơn nhiều so với thông thường.
Ý nghĩa của việc sử dụng AI
Lợi ích lớn của việc sử dụng AI là tốc độ vượt qua giai đoạn tiền lâm sàng. AI cho phép tối ưu hoá và xác định ứng viên lâm sàng nhanh hơn nhiều so với các phương pháp truyền thống.
Một trong các vấn đề lớn trong ngành công nghiệp dược phẩm là năng suất. Tỷ lệ hoàn vốn kém cho nghiên cứu có thể được giải quyết bằng AI. Nếu giảm chi phí đầu tư, chúng ta có thể loại bỏ các rào cản chuyển tiếp từ kiến thức hàn lâm và phòng khám sang sản xuất các loại thuốc mới.
Mặc dù vậy, DSP-1181 mang ý nghĩa rất lớn vì nó là một thực thể hoá học hoàn toàn mới, không phải là một loại thuốc được tái sử dụng. Điều này thách thức các cách phát hiện thuốc truyền thống.
Sức mạnh thông qua sự hợp tác
Việc đầu tiên cần làm là tích luỹ và tích hợp dữ liệu với AI, đây là một bước quan trọng. Mặc dù vậy, hạn chế này của Exscientia đã được khắc phục thông qua sự hợp tác với Sumitomo Dainippon Pharma, cung cấp kinh nghiệm và nhân lực hoá học và dược học. Vấn đề không chỉ là về thiết kế các thuật toán để cải thiện hiệu quả mà còn làm thế nào để tương tác với người khám phá ra các hợp chất và thực sự hiểu dữ liệu đến từ các thí nghiệm. Do đó, một cuộc đối thoại thành công giữa các chuyên gia là điều cần thiết để hiểu sâu hơn về kết quả khoa học.
Định hình tương lai
Đến cuối thập kỷ, tự động hoá bằng AI sẽ không những được sử dụng trong thiết kế, khám phá thuốc mà còn trong phát triển thuốc. Trong thời gian sắp tới, việc siết chặt mối quan hệ giữa các nhà công nghệ và các nhà khoa học để khám phá dược phẩm sẽ làm nên tương lai mới cho nền công nghệ dược phẩm.
Khi các công ty trải qua các đổi mới liên tục và công nghệ cho AI và học máy thay đổi năm này qua năm khác, điều quan trọng là các chuyên gia về khám phá công nghệ và các nhà khoa học phải làm việc cùng nhau. AI có thể trực tiếp đóng góp vào việc tạ ra các loại thuốc mới.
TLTK:
