Hôm nay, tạp chí khoa học danh tiếng Nature đã đăng tải công trình nghiên cứu mới nhất của Google DeepMind về mô hình AlphaFold-Multimer-v3. Đây là bước tiến vượt bậc tiếp theo của công nghệ sinh học tính toán, tập trung vào việc mô hình hóa không chỉ các protein đơn lẻ mà là toàn bộ mạng lưới tương tác sinh học phức tạp bên trong tế bào sống.
Trong các phiên bản trước, AlphaFold chủ yếu tập trung vào việc dự đoán cấu trúc 3D của protein. Tuy nhiên, trong cơ thể người, các protein hiếm khi hoạt động độc lập; chúng liên kết chặt chẽ với DNA, RNA và các hợp chất hóa học khác để thực hiện chức năng sinh học. AlphaFold-Multimer-v3 đã giải quyết bài toán hóc búa này bằng cách sử dụng kiến trúc mạng thần kinh hình học mới, cho phép dự đoán chính xác cấu trúc của các phức hợp đa phân tử lớn với độ phân giải nguyên tử.
Kết quả thử nghiệm thực tế cho thấy mô hình đạt độ chính xác lên tới 92% trong việc dự đoán cách thức các phân tử thuốc tiềm năng liên kết với các thụ thể protein mục tiêu. Điều này giúp các nhà khoa học rút ngắn thời gian thử nghiệm lâm sàng từ vài năm xuống còn vài tuần, mở ra cơ hội phát triển các phương pháp điều trị cá nhân hóa cho các căn bệnh nan y như ung thư hay các hội chứng suy giảm miễn dịch di truyền.
Tiến sĩ Demis Hassabis, CEO của Google DeepMind, chia sẻ rằng nghiên cứu này là một cột mốc quan trọng hướng tới việc xây dựng một mô hình giả lập tế bào hoàn chỉnh bằng AI. DeepMind cũng cam kết sẽ chia sẻ cơ sở dữ liệu dự đoán mới này miễn phí cho cộng đồng nghiên cứu toàn cầu nhằm thúc đẩy tiến trình phát triển y học của nhân loại.