Hôm nay, nhóm nghiên cứu tại Google DeepMind đã công bố một bài báo khoa học mang tính bước ngoặt trên tạp chí Nature về một mô hình AI chuyên dụng được phát triển đặc biệt cho lĩnh vực sinh học cấu trúc. Thay vì tiếp cận chung như AlphaFold, mô hình mới này được tối ưu hóa để xử lý các phức hợp protein - ligand (thuốc) vô cùng phức tạp.
Sử dụng kiến trúc transformer kết hợp với dữ liệu 3D từ các máy dò tia X (cryo-EM) khổng lồ, AI này có thể xác định chính xác cách một loại thuốc liên kết với protein đích trong cơ thể, giảm thiểu khả năng gây tác dụng phụ. Các thử nghiệm in vitro cho thấy mô hình này giúp rút ngắn thời gian tìm kiếm ứng viên thuốc tiềm năng từ hàng năm xuống chỉ còn vài tuần.
Sự ra đời của mô hình này không chỉ đánh dấu một bước tiến lớn trong việc trị liệu các bệnh nan y, mà còn đặt ra các câu hỏi triết học về khả năng của máy móc trong việc 'sáng tạo' ra các phân tử chưa từng tồn tại trước đó trong lịch sử. Giới y học tin tưởng rằng đây là chìa khóa để hiện thực hóa việc 'chẩn đoán và điều trị cá nhân hóa' trong thập kỷ tới.
Bên cạnh đó, việc công bố mã nguồn mở một phần của bộ dữ liệu xử lý đã khiến các viện nghiên cứu y tế trên toàn thế giới có thể ứng dụng thử nghiệm ngay lập tức, tạo ra một xu hướng hợp tác toàn cầu về AI cho y sinh.