Một công ty khởi nghiệp mới của Anh tin rằng trí tuệ nhân tạo là chìa khóa để tăng tốc quá trình thiết kế thuốc chậm chạp và thất thường.

Khoa học Tiềm năng có kế hoạch xây dựng các bộ dữ liệu hóa học quy mô lớn bằng cách sử dụng các nguyên tắc vật lý cơ bản để mô phỏng sự tương tác giữa các nguyên tử, sau đó là các phân tử nhỏ, sau đó là các axit amin và protein phức tạp. Với dữ liệu đó, nó đặt cược rằng nó có thể đào tạo các mô hình AI và hệ thống dự đoán có khả năng xác định các loại thuốc nhắm mục tiêu cao cho các bệnh cụ thể, bỏ qua việc thử nghiệm trong phòng thí nghiệm tốn kém và tốn thời gian.

Hatem Helal, người sáng lập và Giám đốc điều hành của Khoa học Tiềm năng, nói với WIRED: “Chúng tôi muốn các phân tử không bao giờ hoạt động trong phòng khám sẽ thất bại nhanh chóng”. “Điều đó có nghĩa là có những dự đoán tốt hơn về cách chúng sẽ hành xử khi tương tác với sinh học của con người.”

Công ty khởi nghiệp ra mắt vào ngày 5 tháng 11 cho biết họ nhận được nguồn tài trợ ban đầu trị giá hàng chục triệu đô la từ SovAI — quỹ đầu tư mạo hiểm AI của chính phủ Anh — và Twin Path Ventures, cùng các nhà đầu tư khác. Những người sáng lập từ chối tiết lộ con số hoặc định giá chính xác.

Nếu mọi thứ diễn ra như Tiềm năng Khoa học hy vọng, nó có thể mở đường cho sự phát triển nhanh chóng của các phương pháp điều trị mới cho tất cả các loại bệnh. Helal cho biết, bằng cách giảm chi phí thử nghiệm, cách tiếp cận của công ty cũng có thể giúp các công ty dược phẩm theo đuổi các loại thuốc điều trị các bệnh hiếm gặp mà trước đây không được điều trị sẽ tiết kiệm hơn.

Ông nói: “Chúng tôi muốn tạo ra nhiều phương pháp điều trị bệnh riêng biệt hơn - ý tưởng này cho rằng thuốc có thể là sự kết hợp phân tử chỉ dùng một lần được điều chỉnh cho phù hợp với sinh học độc đáo của con người”.

Câu hỏi đặt ra là liệu Khoa học Tiềm năng có thể dự đoán chính xác mức độ liên kết của các loại thuốc tiềm năng với các protein liên quan đến bệnh tật như họ hy vọng hay không, điều này đòi hỏi một bước nhảy vọt rõ rệt.

Peter Wolynes, giáo sư hóa học tại Đại học Rice, cho biết: “Tôi chắc chắn đây sẽ là một sự cải tiến”. Nhưng hiện tại, “kỹ ​​thuật này đang ở trình độ của người La Mã, không phải của thời Phục hưng, xét về cách thức thực hiện kỹ thuật protein,” ông nói.

Những ngôi sao sáng trong ngành như Demis Hassabis, người đã đoạt giải Nobel Hóa học cho công trình của mình tại Google DeepMind, từ lâu đã nói rằng những tiến bộ trong AI cuối cùng sẽ dẫn đến những đột phá khoa học quan trọng, giống như cách công nghệ này gần đây đã tạo ra toán học. Niềm hy vọng của các công ty khởi nghiệp như Khoa học tiềm năng là việc khám phá thuốc sẽ là một trong những lĩnh vực khoa học đầu tiên được công nghệ biến đổi.

Hiện tại, một tỷ lệ lớn các phòng thí nghiệm khám phá thuốc AI đang phát triển các mô hình trên cơ sở dữ liệu công cộng duy nhất về cấu trúc nguyên tử 3D—Ngân hàng Dữ liệu Protein—mà các nhà nghiên cứu đã mở rộng qua nhiều thập kỷ nhờ kết quả của các thí nghiệm mới. Theo Helal, vấn đề là tập dữ liệu vẫn còn quá nhỏ để đào tạo các mô hình AI đủ tiên tiến để tăng tốc đáng tin cậy việc tìm kiếm các loại thuốc khả thi.

Helal nói: “Trong số tất cả các nguyên tử trong vũ trụ, có khoảng 10-60 cách để bạn có thể tập hợp chúng thành các phân tử mà bạn có thể cung cấp cho con người”. “Hãy coi việc khám phá thuốc như một vấn đề tìm kiếm; vấn đề là bạn có thể điều hướng và cắt tỉa không gian đó thành các phân tử có triển vọng cho một căn bệnh cụ thể nhanh đến mức nào.”

Để giải quyết vấn đề đó, Khoa học tiềm năng đang cố gắng xây dựng các bộ dữ liệu lớn hơn nhiều được tạo thành từ dữ liệu tổng hợp, được tạo ra bằng cách mô phỏng sự tương tác giữa các hợp chất hóa học khác nhau. Về mặt lý thuyết, từ các nhóm dữ liệu lớn hơn nhiều, công ty khởi nghiệp sẽ có thể đào tạo các mô hình AI và hệ thống dự đoán tiên tiến hơn nhiều.

Các học giả nhìn thấy tiềm năng trong cách tiếp cận dựa trên mô phỏng mà Khoa học Tiềm năng đã áp dụng. Alan Fersht, giáo sư hóa học danh dự tại Đại học Cambridge, chuyên về kỹ thuật protein, cho biết: “Nếu chúng ta có thể tính toán chính xác sự tương tác giữa tất cả các phân tử trong tế bào và những biến động trong cấu trúc của chúng, chúng ta có thể dự đoán nơi các phân tử sẽ liên kết và điều đó thực sự sẽ cách mạng hóa quá trình phát triển thuốc”. “Tôi lạc quan rằng điều này cuối cùng sẽ xảy ra.”

Để nhận được đầu tư từ SovAI, Tiềm năng Khoa học sẽ tham gia cùng các công ty khám phá thuốc AI Basecamp Research và Isomorphic Labs cũng như công ty khởi nghiệp khám phá vật liệu CuspAI.

Chính phủ Anh đã thành lập SovAI vào đầu năm nay với nhiệm vụ đầu tư vào các công ty khởi nghiệp của Anh có khả năng trở thành những thành phần không thể thiếu trong chuỗi cung ứng AI toàn cầu, mang lại cho đất nước đòn bẩy địa chính trị quan trọng. Quỹ này có khoảng 800 triệu USD và khả năng cung cấp cho các công ty trong danh mục đầu tư của mình quyền truy cập vào siêu máy tính AI quốc gia của Vương quốc Anh.

Joséphine Kant, người đứng đầu liên doanh tại SovAI, người đã tham gia hội đồng quản trị của công ty khởi nghiệp với tư cách là một phần của khoản đầu tư, cho biết: “Việc khám phá thuốc từ góc độ vật lý—vật lý của hóa học—làm cho [Khoa học tiềm năng] khác biệt với các công ty khác. “Cung cấp cho họ quyền truy cập vào tài nguyên máy tính, họ có thể thực hiện công việc này ở quy mô mà nếu không sẽ rất khó khăn đối với một công ty khởi nghiệp nhỏ.”

Tuy nhiên, khám phá thuốc AI là một thị trường đông đúc. Ngay cả khi được chính phủ Vương quốc Anh hỗ trợ, Khoa học Tiềm năng sẽ phải đối mặt với sự cạnh tranh gay gắt từ vô số doanh nhân và học giả đang chạy đua để giải quyết những vướng mắc giống nhau từ các góc độ tiếp cận khác nhau.

Khả năng xác định nhanh hơn các loại thuốc có triển vọng cũng không giúp loại bỏ chi phí và thời gian cần thiết để kiểm tra tính an toàn và hiệu quả của chúng, có nghĩa là các phương pháp điều trị mới sẽ tiếp tục mất nhiều thời gian để đưa ra thị trường, bất kể những tiến bộ trong AI. Wolynes cho biết: “Chi phí thiết kế một loại thuốc không là gì so với việc tìm ra tác dụng của nó đối với chuột, đối với những bệnh nhân thực sự bị bệnh và đối với người bình thường”. “Ở một khía cạnh nào đó, đó không phải là hiện tượng giới hạn tỷ lệ.”

Khi lĩnh vực này phát triển, các công ty khởi nghiệp như Khoa học tiềm năng cũng sẽ phải đối mặt với nguy cơ các công nghệ có thể xác định phương pháp điều trị hiệu quả cũng có thể bị lạm dụng để phát triển các hóa chất cực kỳ nguy hiểm. Helal nói: “Nếu chúng ta có thể thiết kế các công cụ giúp giảm thiểu độc tính một cách hoàn hảo thì việc tối đa hóa nó cũng là một điều hơi khó khăn”.

Khoa học tiềm năng vẫn chưa có tất cả các câu trả lời. Công ty khởi nghiệp vẫn chưa quyết định cách tạo doanh thu từ các công nghệ khác nhau mà nó đang phát triển cũng như chưa quyết định có cung cấp miễn phí các mô hình của mình hay không, vì có khả năng bị lạm dụng. Nhưng Helal tin chắc rằng có một số vấn đề đáng giá hơn cần cố gắng khắc phục bằng AI.

Helal cho biết: “Đã có nhiều làn sóng đột phá đầy hứa hẹn nhưng không có tác động nhiều đến việc khám phá thuốc”. “Đó là một vấn đề cơ bản, có tác động lớn mà chúng tôi phải cố gắng giải quyết.”

Bình luận

Quay lại đầu trang