Thứ 7, ngày 19 tháng 6 năm 2021

Trí tuệ nhân tạo chống dịch - Kỳ 3: Trí tuệ nhân tạo phát hiện, ngăn biến thể virus

08/06/2021 09:53 GMT+7

TTO - Qua gần 2 năm sống chung với đại dịch COVID-19, nhiều biến thể của SARS-CoV-2 đã được ghi nhận.

Trí tuệ nhân tạo chống dịch - Kỳ 3: Trí tuệ nhân tạo phát hiện, ngăn biến thể virus - Ảnh 1.

Ví dụ của chuyên gia Bryson so sánh những biến đổi của virus khi có những đột biến sẽ giống sự thay đổi nghĩa một câu trong ngôn ngữ (ở đây chỉ là một k. tự trong một chữ) sẽ lần lượt biến đổi từ trái qua phải: Nguyên bản - Tương tự - Vô nghĩa - Nghĩa khác hẳn - Ảnh: Quartz

Cùng với trí tuệ các nhà khoa học, giới nghiên cứu đã có thể phát hiện thành công các biến thể virus và cả cách thức lẩn tránh miễn dịch của chúng bằng trí tuệ nhân tạo (AI) và thuật toán xử lý ngôn ngữ tự nhiên (NLP) - những công nghệ có thể sẽ đóng vai trò "thay đổi cục diện" cuộc chiến chống COVID-19 của nhân loại.

Virus giống ngôn ngữ?

Qua gần 2 năm sống chung với đại dịch COVID-19, nhiều biến thể của SARS-CoV-2 đã được ghi nhận. Cập nhật đến ngày 1-6 của Tổ chức Y tế thế giới (WHO) xác định có 4 biến thể đáng lo ngại và 6 biến thể đáng quan tâm của virus corona chủng mới.

Những số liệu này sẽ còn thay đổi vì virus liên tục biến đổi sau nhiều tuần hoặc nhiều tháng. Mặc dù các vắc xin hiện nay như của Pfizer, Moderna đều được cho là có thể phòng ngừa các biến thể mới, song nhiều nghiên cứu vẫn đang được triển khai nhằm tăng cường thêm khả năng "chống chịu" của các vắc xin COVID-19 trước sự thiên biến vạn hóa của mầm bệnh.

Sẽ rất nhiều người bất ngờ khi biết các nhà nghiên cứu đã sử dụng thuật toán xử lý ngôn ngữ tự nhiên (NLP) để dò tìm các biến thể SARS-CoV-2. Cách đây không lâu, các nhà nghiên cứu sinh học thuộc Viện Công nghệ Massachusetts (MIT) tại Boston (Mỹ) đã bắt đầu ứng dụng thuật toán NLP để dò tìm các biến thể SARS-CoV-2 mới trước khi chúng lan rộng.

NLP là một công cụ AI dùng để xử lý ngôn ngữ của con người. Vậy làm sao có thể dùng nó để nghiên cứu virus?

Hóa ra có nhiều điểm đặc trưng trong sinh học có thể được hiểu tương tự như cách hiểu về từ và câu trong ngôn ngữ, đó là lý giải của bà Bonnie Berger - nhà sinh học điện toán tại MIT, một trong các tác giả của công trình nghiên cứu này. "Chúng tôi đang học ngôn ngữ của tiến hóa", bà Berger nói.

Theo các nhà nghiên cứu, sự sắp xếp các amino acid để tạo thành chuỗi protein của virus có những điểm tương đồng như các các từ sắp xếp với nhau theo một cấu trúc ngữ pháp nhất định để tạo nên câu có nghĩa.

Nhóm chuyên gia đã "đào tạo" các thuật toán NLP này để chúng có thể nghiên cứu những đột biến của virus, trong đó bao gồm những đột biến đã tạo ra các biến thể virus dễ lây nhiễm hơn được tìm thấy lần đầu tại Anh và Nam Phi.

"Một virus có thể biến đổi để giữ lại những chức năng cần thiết cho sự tồn tại của nó, hay đó chính là sự bảo lưu ngữ pháp, trong khi vẫn cố gắng tỏ ra khác đi với hệ miễn dịch (để lẩn tránh nó - PV) và có sự thay đổi về ngữ nghĩa" - ông Bryan Bryson, một trong các nhà khoa học tham gia nghiên cứu, giải thích với Hãng tin Quartz.

Ông Bryan so sánh quá trình tiến hóa của virus với cấu trúc một câu vốn lệ thuộc vào các nguyên tắc ngữ pháp như trong hình minh họa.

Ví dụ của chuyên gia Bryson so sánh những biến đổi của virus khi có những đột biến cũng sẽ giống như sự thay đổi nghĩa của một câu khi điều chỉnh một ký tự trong một chữ lần lượt từ trái qua phải: Nguyên bản (original) - Tương tự (similar) - Vô nghĩa (nonsense) - Nghĩa khác hẳn (different).

Theo cách so sánh tương đồng này, một đột biến virus phải "đúng về ngữ pháp" và vẫn "giữ nguyên nghĩa" thì nó mới có thể nhân bản thành công. Do đó ở câu thứ hai (từ trái qua) trong hình minh họa, dù có đột biến nhẹ (thay đổi một ký tự nhưng vẫn giữ nguyên cấu trúc ngữ pháp và nghĩa câu), virus nhân bản thành công, song hệ miễn dịch vẫn nhận ra và tấn công nó.

Đến câu thứ ba (từ trái qua), protein của virus đã thay đổi, câu không còn đúng về ngữ pháp và cũng vô nghĩa, do đó tế bào thụ thể của con người dù không "đọc" được virus nhưng vẫn vây bám nó.

Và tới câu thứ tư, virus có thể đã tìm lại được "ngữ pháp" đúng của chuỗi protein nhưng thay đổi vừa đủ "ngữ nghĩa" để hệ miễn dịch không còn bủa vây nó nữa. Nói cách khác, virus đã ngụy trang bằng đột biến mới và hệ miễn dịch đã bỏ qua nó. Từ đây dẫn tới hình thành biến thể virus dễ lây lan hơn.

Nhóm nghiên cứu đã chạy thử mô hình của họ với các biến thể mới tại các nước Anh, Đan Mạch, Nam Phi, Singapore và Malaysia và nhận thấy có khả năng cao là mọi biến thể đều có thể lẩn trốn miễn dịch.

Theo trang Dogtownmedia, bà Berger và nhóm nghiên cứu cũng không phải những người đầu tiên huấn luyện các thuật toán NLP của họ về các chuỗi protein và các mã di truyền. Các nhà nghiên cứu thuộc Công ty phần mềm Salesforce (Mỹ) và nhà di truyền học người Mỹ George Church cũng đang nghiên cứu khả năng này.

Dù vậy, nhóm của bà Berger đang vượt lên trước một chút khi thuật toán NLP họ phát triển có khả năng dự đoán được các biến thể virus mà kháng thể không phát hiện được, tức là hiện tượng virus trốn thoát được hệ miễn dịch.

Trí tuệ nhân tạo chống dịch - Kỳ 3: Trí tuệ nhân tạo phát hiện, ngăn biến thể virus - Ảnh 2.

Quảng bá tiêm chủng tại Anh - Ảnh: AFP

AI giúp tìm nhanh vắc xin hiệu quả

Nhiều chuyên gia y tế đồng tình cho rằng AI sẽ trở thành một phần thiết yếu trong quá trình phát hiện và ngăn chặn biến thể, cũng như tăng tốc phát triển vắc xin và các mũi tăng cường chống các biến thể đó.

Tháng 2 năm nay, một nhóm nghiên cứu tại Trường Kỹ thuật Viterbi thuộc Đại học Southern California công bố đã phát triển thành công một mô hình AI có khả năng ngăn chặn các biến thể mới xuất hiện của SARS-CoV-2 và góp phần tăng tốc phát triển vắc xin.

Theo Đài ABC (Mỹ), sử dụng AI, nhóm nghiên cứu đã phát triển được một phương pháp có thể đẩy nhanh tốc độ phân tích hiệu quả của các vắc xin ngừa COVID-19, sau đó thu hẹp dần để tìm ra những liệu pháp phòng ngừa có tiềm năng tối ưu hơn cả.

Theo ông Paul Bogdan - phó giám sư tại Trường Kỹ thuật Viterbi, một trong các tác giả nghiên cứu, phương pháp này dễ dàng được tùy chỉnh để phân tích những biến thể tiềm ẩn của virus, từ đó nhanh chóng tìm ra đâu là các loại vắc xin tốt nhất. Điều này sẽ giúp con người "đi nhanh hơn" so với tốc độ tiến hóa của mầm bệnh, theo ông Bogdan.

Cụ thể hơn, hệ thống sử dụng AI của nhóm nghiên cứu tại Trường Kỹ thuật Viterbi thuộc Đại học Southern California đã dự đoán được 26 loại vắc xin tiềm năng sẽ có hiệu quả phòng ngừa tốt với SARS-CoV-2. 

Từ những loại này, họ tìm ra 11 loại tốt nhất để phát triển thành một loại vắc xin multi-epitope (hay vắc xin poly-epitope), một loại vắc xin thế hệ mới, có thể tấn công các protein gai mà virus corona thường dùng để bám vào và xâm nhập tế bào vật chủ.

"Mô hình machine learning này có thể hoàn thành các chu kỳ thiết kế vắc xin vốn thường mất nhiều năm hay nhiều tháng chỉ trong nhiều giây hoặc nhiều phút", ông Bogdan tự hào chia sẻ với truyền thông Mỹ.

Khi được áp dụng thử với SARS-CoV-2, virus gây bệnh COVID-19, mô hình máy tính này đã mau chóng chỉ ra 95% các loại hợp chất có khả năng tiêu diệt mầm bệnh và vạch rõ đâu là những lựa chọn tốt nhất. Toàn bộ kết quả nghiên cứu này đã được trình bày trong tạp chí online Scientific Reports của Công ty Nature Research.

Ông Bogdan cho rằng nếu trong tình huống xấu nhất, các vắc xin hiện này không thể kiểm soát được SARS-CoV-2, hoặc giả trong tương lai thế giới cần thêm các vắc xin mới, hệ thống AI của USC có thể được sử dụng để thiết kế các cơ chế dự phòng một cách nhanh chóng.

************

Cùng với các nhà khoa học và bác sĩ, AI giúp tiên lượng, chẩn đoán COVID-19, mà đặc biệt là có thể dự đoán các đại dịch trong tương lai để nhân loại kịp thời đối phó.

>> Kỳ tới: AI dự đoán đại dịch sẽ xảy ra

Trí tuệ nhân tạo chống dịch - Kỳ 2: AI phân phối, hoàn thiện vắc xin Trí tuệ nhân tạo chống dịch - Kỳ 2: AI phân phối, hoàn thiện vắc xin

TTO - Không chỉ ứng dụng AI trong nghiên cứu, phát triển, các hãng dược cũng đang khai thác hiệu quả công nghệ này để phân phối và tiếp tục hoàn thiện độ an toàn cho vắc xin trong lúc triển khai tiêm chủng.

D.KIM THOA
Bình luận (0)
    Xem thêm bình luận
    Bình luận Xem thêm
    Bình luận (0)
    Xem thêm bình luận