Hầu hết các loại thuốc kháng virus đều nhắm vào virus sau khi chúng đã xâm nhập vào tế bào người. Các nhà nghiên cứu tại Đại học Washington State cho biết họ đã tìm ra cách can thiệp sớm hơn, bằng cách xác định một tương tác phân tử duy nhất mà virus dựa vào để xâm nhập vào tế bào ngay từ đầu.
Nghiên cứu, được công bố vào tháng 11 trên tạp chí Nanoscale , tập trung vào quá trình xâm nhập của virus, một trong những giai đoạn ít được hiểu rõ nhất và khó can thiệp nhất của quá trình nhiễm trùng, sử dụng trí tuệ nhân tạo và mô phỏng phân tử để xác định một tương tác quan trọng trong protein dung hợp mà khi bị thay đổi trong các thí nghiệm trong phòng thí nghiệm, đã ngăn chặn virus xâm nhập vào các tế bào mới.
“Virus tấn công tế bào thông qua hàng ngàn tương tác,” Giáo sư Jin Liu, giáo sư kỹ thuật cơ khí và vật liệu tại Đại học Bang Washington, nói với Decrypt. “Nghiên cứu của chúng tôi nhằm xác định tương tác quan trọng nhất, và một khi xác định được tương tác đó, chúng ta có thể tìm ra cách ngăn chặn virus xâm nhập vào tế bào và ngăn chặn sự lây lan của bệnh.”
Nghiên cứu này bắt nguồn từ công trình nghiên cứu bắt đầu từ hơn hai năm trước, ngay sau đại dịch COVID-19, và được dẫn dắt bởi Giáo sư Anthony Nicola thuộc Khoa Vi sinh vật và Bệnh lý Thú y, với nguồn tài trợ từ Viện Y tế Quốc gia.
Trong nghiên cứu này, các nhà khoa học đã xem xét virus herpes như một trường hợp thử nghiệm.
Các virus này dựa vào một loại protein dung hợp bề mặt, glycoprotein B (gB), rất cần thiết để thúc đẩy quá trình dung hợp màng trong quá trình xâm nhập.
Các nhà khoa học từ lâu đã biết rằng gB đóng vai trò trung tâm trong quá trình lây nhiễm, nhưng kích thước lớn, cấu trúc phức tạp và sự phối hợp với các protein xâm nhập virus khác đã khiến việc xác định chính xác tương tác nội bộ nào của nó có vai trò quan trọng về mặt chức năng trở nên khó khăn.
Liu cho biết giá trị của trí tuệ nhân tạo trong dự án không nằm ở việc nó khám phá ra điều gì đó mà các nhà nghiên cứu con người không thể biết được, mà là ở chỗ nó giúp quá trình tìm kiếm hiệu quả hơn rất nhiều.
Thay vì dựa vào phương pháp thử và sai, nhóm nghiên cứu đã sử dụng mô phỏng và máy học để phân tích đồng thời hàng nghìn tương tác phân tử khả thi và xếp hạng mức độ quan trọng của chúng.
“Trong các thí nghiệm sinh học, bạn thường bắt đầu với một giả thuyết. Bạn nghĩ rằng vùng này có thể quan trọng, nhưng trong vùng đó có hàng trăm tương tác,” Liu nói. “Bạn thử nghiệm một tương tác, có thể nó không quan trọng, rồi thử tương tác khác. Điều đó tốn rất nhiều thời gian và tiền bạc. Với mô phỏng, chi phí có thể được bỏ qua, và phương pháp của chúng tôi có thể xác định được các tương tác thực sự quan trọng, sau đó có thể được kiểm chứng trong các thí nghiệm.”
Trí tuệ nhân tạo (AI) ngày càng được sử dụng rộng rãi trong nghiên cứu y học để xác định các mô hình bệnh tật khó phát hiện bằng các phương pháp truyền thống.
Các nghiên cứu gần đây đã áp dụng học máy để dự đoán bệnh Alzheimer nhiều năm trước khi các triệu chứng xuất hiện, phát hiện các dấu hiệu tinh tế của bệnh trong ảnh chụp MRI và dự báo nguy cơ dài hạn cho hàng trăm bệnh lý khác nhau bằng cách sử dụng các bộ dữ liệu hồ sơ sức khỏe lớn.
Chính phủ Mỹ cũng đã bắt đầu đầu tư vào phương pháp này, bao gồm một sáng kiến trị giá 50 triệu đô la của Viện Y tế Quốc gia nhằm ứng dụng trí tuệ nhân tạo vào nghiên cứu ung thư ở trẻ em.
Ngoài lĩnh vực virus học, Liu cho biết khung tính toán tương tự có thể được áp dụng cho các bệnh do sự tương tác protein bị biến đổi gây ra, bao gồm các rối loạn thoái hóa thần kinh như bệnh Alzheimer.
“Điều quan trọng nhất là biết nhắm mục tiêu vào tương tác nào,” Liu nói. “Một khi chúng ta xác định được mục tiêu đó, mọi người có thể tìm cách làm suy yếu, tăng cường hoặc Block nó. Đó chính là ý nghĩa thực sự của công trình nghiên cứu này.”
