Các nhà nghiên cứu tại Đại học Kent đã xây dựng một quy trình tính toán có thể đẩy nhanh việc phát triển các phương pháp điều trị hiệu quả hơn cho các bệnh nhiễm ký sinh trùng nguy hiểm như bệnh Chagas. Phương pháp này cho phép các nhà khoa học xác định chính xác các phản ứng hóa học có thể dẫn đến các ứng viên thuốc thành công mà không cần quá trình thử-sai tốn kém.

Ước tính có khoảng 8 triệu người trên thế giới, chủ yếu ở khu vực Mỹ Latinh, đang bị nhiễm Trypanosoma cruzi — loại ký sinh trùng gây ra bệnh Chagas — và khoảng 100 triệu người khác có nguy cơ nhiễm bệnh. Dù bệnh có thể chữa khỏi trong giai đoạn cấp tính sớm, nếu không điều trị, nhiễm trùng có thể chuyển sang mãn tính, gây ra các biến chứng nghiêm trọng ảnh hưởng đến tim, hệ tiêu hóa và hệ thần kinh.

Mặc dù hậu quả có thể gây tử vong, các bệnh ký sinh trùng thường ảnh hưởng đến các cộng đồng thu nhập thấp và thiếu tiếp cận y tế, khiến các công ty dược phẩm ít động lực thương mại để đầu tư vào thuốc mới. Vì vậy, việc nâng cao hiệu quả và giảm chi phí trong giai đoạn phát triển thuốc ban đầu là yếu tố then chốt để tạo ra các liệu pháp mới khả thi hơn.

Đây là lúc hóa học tính toán (computational chemistry) phát huy vai trò. Bằng cách mô hình hóa và mô phỏng cách các hợp chất thuốc tiềm năng hoạt động trước khi được thử nghiệm trong phòng thí nghiệm, các nhà nghiên cứu có thể giảm chi phí và đẩy nhanh quá trình khám phá.

Trong nghiên cứu này, nhóm tại Kent tập trung vào naphthoquinone, một nhóm hợp chất đã được biết đến với hoạt tính chống ký sinh trùng, đặc biệt là bệnh Chagas. Nhóm nghiên cứu khảo sát các phương pháp biến đổi có chọn lọc các hợp chất này bằng chất xúc tác dựa trên rutheni, cho phép “chỉnh sửa” cấu trúc phân tử một cách có hệ thống và tinh chỉnh các đặc tính như hiệu quả, độ ổn định và tính chọn lọc — những yếu tố quan trọng đối với một ứng viên thuốc thành công.

Để dự đoán những biến đổi nào có khả năng thành công cao nhất, các nhà nghiên cứu đã so sánh chín phương pháp hóa học lượng tử phổ biến với một phương pháp tham chiếu có độ chính xác cao. Họ xác định được một quy trình mô phỏng gần sát với kết quả của phương pháp tính toán cao cấp, đồng thời chứng minh rằng một phương pháp chi phí thấp hơn vẫn có thể dùng để sàng lọc nhanh mà không làm mất đi các hiểu biết về cơ chế phản ứng.

Với độ chính xác đủ để hỗ trợ thiết kế hiệu quả và có định hướng hơn, các nhà khoa học có thể mô hình hóa các biến đổi hóa học này, giảm thử nghiệm tốn kém trong phòng thí nghiệm, ưu tiên các hợp chất tiềm năng nhất từ sớm và làm cho quá trình phát triển thuốc nhanh hơn và rẻ hơn đáng kể.

Tác giả chính, Tiến sĩ Felipe Fantuzzi, giảng viên Hóa học tại Trường Khoa học Tự nhiên, cho biết:

“Đối với các bệnh như bệnh Chagas và các bệnh ký sinh trùng nhiệt đới bị lãng quên khác, nơi động lực thương mại cho phát triển thuốc thường yếu, các phương pháp giảm thử-sai và giúp ưu tiên hợp chất tiềm năng là đặc biệt quan trọng. Chúng không thay thế thí nghiệm, nhưng có thể giúp tập trung nỗ lực thực nghiệm vào những hướng có khả năng mang lại kết quả cao nhất.”

Khi quá trình khám phá thuốc hướng đến các chiến lược nhanh hơn và có khả năng dự đoán tốt hơn, trí tuệ nhân tạo (AI) ngày càng được sử dụng rộng rãi. Theo Tiến sĩ Fantuzzi, phương pháp trong nghiên cứu này đóng vai trò như một công cụ bổ trợ tự nhiên cho AI.

“Hóa học tính toán dựa trên vật lý vẫn rất quan trọng khi mục tiêu là hiểu rõ — theo cách có thể diễn giải bằng hóa học — cơ chế thực sự của một phản ứng xúc tác. AI ngày càng quan trọng trong việc nhận diện mẫu, ưu tiên ứng viên và khám phá không gian hóa học hiệu quả hơn, nhưng nó hiệu quả nhất khi kết hợp với mô hình cơ chế vững chắc như phương pháp được sử dụng ở đây.”

Nghiên cứu được thực hiện trong khuôn khổ Dự án NUBIAN, một hợp tác quốc tế giữa Vương quốc Anh, Brazil và Sierra Leone, được hỗ trợ bởi Hội Hoàng gia (Royal Society). Dự án tập trung vào việc giải quyết các bệnh nhiệt đới bị lãng quên thông qua nghiên cứu liên ngành và quốc tế, với mục tiêu cải thiện các lựa chọn điều trị cho những cộng đồng dễ bị tổn thương nhất trên thế giới.