AI dự đoán cấu trúc protein là việc cho máy đọc chuỗi axit amin của một protein rồi đoán hình dạng ba chiều mà chuỗi đó gấp thành. Trước đây, muốn biết hình dạng ấy, các phòng thí nghiệm phải kết tinh protein, chiếu tia X hoặc dùng kính hiển vi điện tử, có khi mất nhiều năm cho một phân tử. Từ khoảng năm 2020, hệ thống AlphaFold của nhóm DeepMind đoán được cấu trúc của rất nhiều protein với độ chính xác gần với thí nghiệm, và công trình này góp phần vào giải Nobel Hoá học năm 2024.
Nhưng "đoán được cấu trúc" không có nghĩa là "hiểu hết protein". Bài này giải thích vì sao hình dạng protein quan trọng, vì sao bài toán gấp nếp từng bị coi là một trong những câu đố lớn của sinh học, AI tiếp cận nó theo cách nào, và những chỗ mà các nhà sinh học vẫn phải cầm pipet làm thí nghiệm. Cuối bài có cách để học sinh, giáo viên tự tìm hiểu thêm cùng chatbot mà không bị dẫn sai.
Protein là gì và vì sao hình dạng của nó quyết định mọi thứ
Protein là những phân tử dài được ghép từ hai mươi loại axit amin, nối với nhau như một chuỗi hạt. Cơ thể người dùng protein cho gần như mọi việc: enzym trong nước bọt cắt tinh bột, huyết sắc tố trong hồng cầu mang oxy, kháng thể bám vào virus, sợi cơ co lại khi bạn nhấc tay. Thực vật, vi khuẩn, nấm đều vận hành bằng protein theo cách tương tự.
Điều quan trọng là chuỗi hạt ấy không nằm duỗi thẳng. Ngay sau khi được tạo ra trong tế bào, nó tự cuộn, gấp, xoắn lại thành một hình dạng ba chiều rất xác định. Có đoạn xoắn như lò xo, có đoạn xếp thành tấm như nếp quạt, rồi các phần đó lại gói vào nhau thành một khối có hốc, có rãnh, có mặt lồi. Một enzym làm được việc của nó vì hốc của nó vừa khít với phân tử cần xử lý, giống ổ khoá và chìa.
Vì thế, biết hình dạng protein là biết nó hoạt động ra sao, nó có thể bị chặn bằng phân tử nào, và một đột biến nhỏ trong chuỗi sẽ làm hỏng chỗ nào. Các nhà nghiên cứu thuốc muốn biết hình dạng của protein trên bề mặt virus để thiết kế phân tử bám vào nó. Các nhà nghiên cứu enzym công nghiệp muốn biết hình dạng để sửa cho enzym chịu nhiệt tốt hơn. Câu hỏi "protein này trông như thế nào" vì thế là câu hỏi nền của cả sinh học phân tử.
Bài toán gấp nếp: vì sao biết chuỗi mà vẫn khó đoán hình
Vào đầu những năm 1960, nhà hoá sinh Christian Anfinsen làm thí nghiệm với một enzym: ông làm nó duỗi ra bằng hoá chất, rồi khi bỏ hoá chất đi, enzym tự gấp lại đúng hình cũ và hoạt động trở lại. Từ đó ông rút ra ý tưởng rằng thông tin về hình dạng nằm sẵn trong trình tự axit amin. Ông nhận giải Nobel Hoá học năm 1972, một phần vì công trình này. Nếu hình dạng nằm trong trình tự, thì về nguyên tắc chỉ cần đọc trình tự là tính ra hình dạng.
Vấn đề là số cách gấp có thể có của một chuỗi lớn khủng khiếp. Năm 1969, Cyrus Levinthal chỉ ra rằng nếu protein thử lần lượt từng cách gấp thì thời gian cần dài hơn tuổi vũ trụ, trong khi thực tế protein gấp xong trong khoảng mili giây đến giây. Nghịch lý này cho thấy protein không thử ngẫu nhiên mà đi theo những con đường năng lượng có hướng, và cũng cho thấy việc tính toán hình dạng bằng mô phỏng vật lý thuần tuý là cực kỳ tốn kém.
Suốt nhiều thập kỷ, cách đáng tin nhất vẫn là đo trực tiếp. Tinh thể học tia X đòi hỏi kết tinh được protein, việc có khi mất hàng năm hoặc không bao giờ thành. Cộng hưởng từ hạt nhân hợp với protein nhỏ. Kính hiển vi điện tử lạnh tiến rất nhanh từ thập niên 2010 nhưng thiết bị đắt và cần chuyên gia. Kết quả là số protein đã biết trình tự lớn hơn rất nhiều lần so với số protein đã biết cấu trúc.
Để đo tiến bộ, cộng đồng nghiên cứu tổ chức cuộc thi CASP từ năm 1994, hai năm một lần: ban tổ chức giữ kín cấu trúc vừa đo được, các nhóm gửi dự đoán, rồi so điểm. Trong nhiều kỳ, điểm số nhích lên chậm.
AlphaFold đoán cấu trúc theo cách nào
Học từ cấu trúc đã đo. Ngân hàng dữ liệu protein công khai chứa hàng trăm nghìn cấu trúc do các phòng thí nghiệm khắp thế giới đo trong nửa thế kỷ. Đây là "đề và đáp án" để mô hình học mối liên hệ giữa trình tự và hình dạng. Không có kho dữ liệu chung này, AI không có gì để học.
Đọc lịch sử tiến hoá. Cùng một protein tồn tại ở nhiều loài với trình tự hơi khác nhau. Khi hai vị trí trong chuỗi luôn đổi cùng nhau qua các loài, nhiều khả năng chúng nằm sát nhau trong không gian, vì đổi một bên mà không đổi bên kia thì protein hỏng. Mô hình dùng bảng so sánh trình tự nhiều loài để lấy manh mối này.
Suy luận về khoảng cách giữa các cặp vị trí. Thay vì đoán ngay toạ độ từng nguyên tử, mô hình xây dựng dần một bức tranh về việc axit amin nào gần axit amin nào, rồi chuyển bức tranh đó thành cấu trúc ba chiều, lặp lại nhiều vòng để tinh chỉnh.
Kèm điểm tự tin cho từng đoạn. Mỗi phần của dự đoán đi kèm một con số cho biết mô hình chắc đến đâu. Đoạn điểm cao thường khớp thí nghiệm, đoạn điểm thấp có thể là vùng mềm, không có hình cố định, hoặc là chỗ mô hình đang đoán mò. Người dùng có kinh nghiệm luôn nhìn điểm này trước khi tin.
Kết quả tại CASP14 năm 2020. Ở kỳ thi này, AlphaFold phiên bản thứ hai cho nhiều dự đoán sai lệch rất nhỏ so với cấu trúc đo được, và ban tổ chức nhận định bài toán dự đoán cấu trúc một chuỗi đơn đã được giải quyết ở mức đáng kể. Sau đó DeepMind phối hợp với Viện Tin sinh học châu Âu công bố kho dự đoán cho hơn hai trăm triệu protein, mở miễn phí cho giới nghiên cứu.
AI làm tốt và chưa làm tốt ở đâu
Sau vài năm dùng rộng rãi, giới sinh học đã có bức tranh khá rõ về chỗ mạnh và chỗ yếu. Bảng dưới tóm tắt những điểm được nhắc nhiều, ở mức phổ thông; chi tiết từng phiên bản mô hình thay đổi nhanh nên bạn nên kiểm tài liệu hiện hành nếu cần dùng cho nghiên cứu.
| Tình huống | Mức đáng tin | Vì sao |
|---|---|---|
| Protein đơn, có họ hàng nhiều trong dữ liệu | Thường cao | Có nhiều manh mối tiến hoá và cấu trúc tương tự để học |
| Vùng mềm, không có hình cố định | Thấp, và mô hình thường tự báo điểm thấp | Bản thân vùng đó trong tế bào cũng không có một hình duy nhất |
| Protein thay đổi hình khi làm việc | Hạn chế | Mô hình thường cho một trạng thái, trong khi protein có thể chuyển qua lại nhiều trạng thái |
| Phức hợp nhiều protein, protein bám thuốc, bám DNA | Đã cải thiện ở các phiên bản sau nhưng không đều | Dữ liệu huấn luyện ít hơn và tương tác phức tạp hơn |
| Ảnh hưởng của một đột biến lên độ bền | Không nên dựa vào dự đoán cấu trúc đơn thuần | Thay đổi nhỏ về năng lượng khó thấy qua một hình ba chiều |
Điểm chung của các ô "hạn chế" là protein trong tế bào sống động hơn một bức ảnh tĩnh. AI cho bạn một bức ảnh rất đẹp, nhưng câu hỏi khoa học thường là phim: protein chuyển động ra sao, bám vào cái gì, khi nào thì tách ra.
Nhà sinh học vẫn làm gì khi đã có AI
Có một hiểu lầm phổ biến rằng sau AlphaFold, các phòng thí nghiệm cấu trúc hết việc. Thực tế diễn ra theo hướng khác. Dự đoán của AI trở thành điểm xuất phát: nhà nghiên cứu dùng nó để chọn đoạn protein nên kết tinh, để giải ảnh kính hiển vi điện tử nhanh hơn, để thiết kế thí nghiệm đột biến nhắm đúng chỗ. Thí nghiệm vẫn là trọng tài cuối cùng, đặc biệt khi kết quả dùng để làm thuốc.
Câu hỏi "protein này làm gì trong tế bào" cũng không trả lời được bằng hình dạng. Muốn biết, người ta phải tắt gen, gắn dấu huỳnh quang, đo hoạt tính, quan sát trên tế bào hay sinh vật thật. Một cấu trúc dự đoán tốt chỉ giúp đặt giả thuyết sắc hơn.
Ngoài ra, mảng thiết kế protein mới mà nhóm của David Baker theo đuổi đi theo chiều ngược lại: từ một hình dạng mong muốn, tìm trình tự sẽ gấp thành hình đó. Đây là nửa còn lại của giải Nobel Hoá học 2024 và hiện là hướng đang được nhiều phòng thí nghiệm thử, từ enzym phân huỷ chất thải đến protein dùng trong vắc xin. Những protein thiết kế vẫn phải được tổng hợp và thử thật, và không phải thiết kế nào cũng chạy.
Tự tìm hiểu cùng chatbot: câu hỏi nên đặt và cách kiểm
Chatbot AI là công cụ tốt để học khái niệm, nhưng hay tự tin quá mức với chi tiết như năm, tên người, con số. Học sinh và giáo viên có thể thử những câu lệnh dưới đây, rồi đối chiếu với sách giáo khoa sinh học hoặc trang của các tổ chức khoa học chính thức.
- "Giải thích cho học sinh lớp 10 vì sao hình dạng của enzym quyết định chức năng của nó, dùng một ví dụ trong bếp, không quá 200 chữ."
- "Nghịch lý Levinthal là gì? Hãy nói rõ phần nào là lập luận gốc, phần nào là cách hiểu sau này."
- "Liệt kê ba phương pháp thí nghiệm đo cấu trúc protein, mỗi phương pháp một ưu điểm và một nhược điểm."
- "Khi một mô hình dự đoán cấu trúc báo điểm tự tin thấp ở một đoạn, điều đó có thể có những nghĩa gì?"
- Sau mỗi câu trả lời, hỏi thêm: "Trong câu trả lời trên, chi tiết nào bạn không chắc chắn?" rồi tra lại chính những chi tiết đó.
- Nếu bạn là sinh viên dán số liệu thí nghiệm của nhóm vào chatbot để nhờ giải thích, hãy bỏ tên người, tên đề tài chưa công bố và mọi dữ liệu thầy cô yêu cầu giữ kín.
Một mẹo cho giáo viên: cho học sinh xem hai hình một protein, một hình dự đoán và một hình đo bằng thí nghiệm, tô màu theo điểm tự tin. Hỏi các em vì sao hai hình khớp ở lõi nhưng lệch ở các đầu mút. Câu hỏi đó dạy được nhiều hơn mọi lời giới thiệu về AI.
Câu hỏi thường gặp
AlphaFold có phải là AI đầu tiên dự đoán cấu trúc protein không?
Không. Các nhóm nghiên cứu đã dùng phương pháp tính toán và cả học máy để dự đoán cấu trúc protein từ nhiều thập kỷ trước, và cuộc thi CASP được lập ra chính để so các phương pháp đó. Điểm khác của AlphaFold phiên bản thứ hai là độ chính xác tăng vọt cho rất nhiều protein, đủ để giới sinh học dùng hằng ngày.
Kho dự đoán hơn hai trăm triệu protein có nghĩa là mọi cấu trúc đều đã biết?
Không hẳn. Đó là dự đoán, mỗi cái kèm điểm tự tin, và một phần đáng kể có những vùng điểm thấp. Kho này giúp nhà nghiên cứu có hình dạng tham khảo cho hầu hết protein đã biết trình tự, nhưng các câu hỏi về chuyển động, tương tác và chức năng vẫn cần thí nghiệm.
AI dự đoán cấu trúc protein có giúp làm ra thuốc ngay không?
Nó rút ngắn một số bước đầu như hiểu đích tác dụng và chọn phân tử để thử, nhưng một loại thuốc vẫn phải qua thử nghiệm trên tế bào, động vật và thử nghiệm lâm sàng nhiều pha trên người. Những bước đó mất nhiều năm và AI chưa thay được.
Học sinh phổ thông có thể tự xem cấu trúc protein không?
Có. Các ngân hàng dữ liệu protein công khai có trình xem ba chiều miễn phí trên trình duyệt, bạn có thể xoay, phóng to và tô màu theo loại cấu trúc. Hãy nhờ thầy cô sinh học hướng dẫn tìm một protein quen thuộc như huyết sắc tố để bắt đầu.
Vì sao protein gấp sai lại nguy hiểm?
Protein gấp sai có thể mất chức năng, hoặc tụ lại thành khối mà tế bào khó dọn. Giới khoa học đang nghiên cứu mối liên hệ giữa protein gấp sai và một số bệnh thoái hoá thần kinh. Đây là chủ đề nghiên cứu, không phải lời khuyên sức khoẻ; mọi lo lắng về bệnh cần hỏi bác sĩ.
Có nên tin hoàn toàn hình protein do chatbot mô tả?
Không nên. Chatbot trò chuyện không chạy mô hình dự đoán cấu trúc mà chỉ tả lại kiến thức đã học, nên dễ nhầm chi tiết. Muốn biết hình dạng thật của một protein, hãy tra ngân hàng dữ liệu cấu trúc hoặc kho dự đoán chính thức và xem kèm điểm tự tin.