AI hỗ trợ khám phá các kháng thể siêu liên kết chặt chẽ
Các nhà khoa học tại Khoa Y, Đại học California San Diego đã phát triển một chiến lược dựa vào trí tuệ nhân tạo (AI) để khám phá các loại thuốc kháng thể.
.jpg)
Nghiên cứu được công bố trên tạp chí Nature Communications. Các nhà nghiên cứu sử dụng phương pháp này để xác định một kháng thể mới liên kết với ung thư chặt chẽ hơn 17 lần so với một loại thuốc kháng thể hiện có. Các nhà nghiên cứu phát hiện ra các loại thuốc mới chống ung thư và các bệnh khác như COVID-19 và viêm khớp dạng thấp.
Để trở thành một loại thuốc thành công, một kháng thể phải liên kết chặt chẽ với mục tiêu của nó. Để tìm ra những kháng thể như vậy, các nhà nghiên cứu thường bắt đầu với một trình tự axit amin kháng thể đã biết và sử dụng tế bào vi khuẩn hoặc nấm men để tạo ra một loạt kháng thể mới với các biến thể của trình tự đó. Những đột biến này sau đó được đánh giá về khả năng liên kết với kháng nguyên đích. Tập hợp con của các kháng thể hoạt động tốt nhất sau đó sẽ trải qua một vòng đột biến và đánh giá khác, và chu kỳ này lặp lại cho đến khi xuất hiện một tập hợp các kháng thể có liên kết chặt chẽ với nhau.
Mặc dù quá trình nghiên cứu lâu dài và tốn kém, nhiều kháng thể thu được vẫn không hiệu quả trong các thử nghiệm lâm sàng. Trong nghiên cứu mới, các nhà khoa học của UC San Diego đã thiết kế một thuật toán học máy tiên tiến nhất để tăng tốc và hợp lý hóa những nỗ lực này.
Cách tiếp cận bắt đầu tương tự, các nhà nghiên cứu tạo ra một thư viện ban đầu gồm khoảng nửa triệu trình tự kháng thể có thể có và sàng lọc chúng để tìm mối quan hệ của chúng với một mục tiêu protein cụ thể. Nhưng thay vì lặp đi lặp lại quá trình này nhiều lần, họ đưa tập dữ liệu vào mạng lưới thần kinh Bayesian có thể phân tích thông tin và sử dụng nó để dự đoán mối quan hệ ràng buộc của các chuỗi khác.
Một lợi thế đặc biệt của mô hình AI là khả năng cho biết mức độ chắc chắn của từng dự đoán, điều này giúp nhóm nghiên cứu xếp hạng các kháng thể và quyết định loại nào sẽ ưu tiên phát triển thuốc.
Các nhà nghiên cứu hiện đang sử dụng phương pháp này để xác định các kháng thể có khả năng chống lại các kháng nguyên khác, như SARS-CoV-2. Họ cũng đang phát triển các mô hình AI bổ sung để phân tích trình tự axit amin cho các đặc tính kháng thể khác quan trọng cho thử nghiệm lâm sàng thành công, như tính ổn định, độ hòa tan và tính chọn lọc.