Thường thì trong quá trình nghiên cứu thuốc, các nhà khoa học cần phải xác định được những loại thuốc mới có tiềm năng, sau đó tiến hành các thử nghiệm dựa trên cơ sở kế thừa những thử nghiệm trước đó để xác định tác dụng của nhiều loại thuốc khác nhau trên cùng một loại protein mục tiêu. Trên thực tế, có rất nhiều trường hợp mà các nhà nghiên cứu thường phải chọn 1 thử nghiệm để thực hiện và những lựa chọn khác sẽ được bỏ qua.
Tuy nhiên, người dẫn đầu nghiên cứu về thuật toán tự động phát triển thuốc, giáo sư Armaghan Naik cho biết việc đưa ra quyết định chọn thử nghiệm nào cần phải làm là một việc làm quá sức đối với con người: "họ phải dự đoán kết quả giả định cho từng thử nghiệm để chọn ra một cái thực sự tiến hành." Thí dụ như trong một nghiên cứu có 96 loại thuốc và 96 tế bào, có hơn 9216 thử nghiệm có thể được thực hiện. Hãy tưởng tượng bạn cần phải ngồi nghĩ ra kết quả của từng cái một trong số đó, một việc làm thật khủng khiếp.
Và do đó, giáo sư Armaghan Naik cùng các cộng sự đã phát triển ra một thuật toán để hỗ trợ quá trình này. Trong các thử nghiệm chạy thử, máy tính đã có thể chọn ra một vài thử nghiệm để tiến hành bằng máy tự xử lý chất lỏng và kính hiển vi điện tử tự động. Sau mỗi lần tự chạy thử nghiệm, hệ thống có thể học được thêm những loại thuốc mới, những tế bào và cách chúng tương tác với nhau. Cuối cùng, máy đã có thể tiến hành được 2.697 trong số 9.216 thử nghiệm khai thi chỉ trong thời gian 30 phút.
Nhóm nghiên cứu cho biết "thuật toán có thể học một mô hình 96 loại thuốc tương tác với 96 loại protein mới với độ chính xác lên tới 96% bằng cách tiến hành chỉ 29% trong số 10.000 thử nghiệm khả thi." Bên dưới đây là đoạn video mô tả cách hệ thống AI chọn các thử nghiệm trong mỗi đợt tiến hành. Đây là một cách tiếp cận khá độc đáo, giúp quá trình phát triển thuốc mới trở nên nhẹ nhàng hơn, ít tốn thời gian, công sức và tiền bạc hơn so với cách làm truyền thống trước đây.
No comments:
Post a Comment