Apple ra mắt SimpleDesign: Mô hình AI đột phá trong thiết kế cấu trúc protein

Theo tin từ IT ngày 12 tháng 9, các nhà nghiên cứu tại Apple đầu tháng này đã công bố một mô hình thiết kế protein có tên là SimpleDesign, với bài báo nghiên cứu liên quan được đăng tải dưới dạng bản in trước (preprint) trên arxiv.

Mô hình này có khả năng đồng thời tạo ra trình tự axit amin và cấu trúc ba chiều của protein, áp dụng phương pháp huấn luyện trực tiếp trên dữ liệu thô, giúp loại bỏ các bước chuyển đổi biểu diễn trung gian vốn có trong quy trình huấn luyện đa giai đoạn truyền thống.

Trong bài báo, các nhà nghiên cứu đề cập rằng nhiều mô hình thiết kế protein kết hợp hiện nay cần phải huấn luyện bộ tự mã hóa (autoencoder) trước để chuyển đổi cấu trúc protein thành các biểu diễn tiềm ẩn rời rạc, sau đó mới huấn luyện mô hình tạo để xử lý các biểu diễn này. SimpleDesign sử dụng trực tiếp trình tự axit amin và tọa độ ba chiều liên tục để huấn luyện theo phương pháp end-to-end.

Nghiên cứu này tiếp nối tư duy kỹ thuật từ dự án SimpleFold trước đó của Apple. SimpleFold sử dụng mô hình khớp dòng (flow matching) để dự đoán trực tiếp cấu trúc ba chiều của protein dựa trên trình tự axit amin. SimpleDesign mở rộng kiến trúc đơn giản hóa này sang nhiệm vụ thiết kế protein, không chỉ dự đoán cấu trúc mà còn cố gắng tạo ra trình tự axit amin có khả năng hình thành cấu trúc tương ứng.

Nhóm nghiên cứu đã sử dụng hơn 2 triệu cặp dữ liệu trình tự và cấu trúc protein, chủ yếu lấy từ bộ dữ liệu AFESM. Bộ dữ liệu này tích hợp các cấu trúc dự đoán từ cơ sở dữ liệu AlphaFold và các mẫu khác. Trong quá trình huấn luyện, mô hình sẽ che ngẫu nhiên một phần nội dung trong trình tự axit amin, đồng thời thêm nhiễu vào cấu trúc ba chiều tương ứng.

Bằng cách điều chỉnh mức độ phá hủy trình tự và cấu trúc, mô hình có thể học các nhiệm vụ protein khác nhau. Khi trình tự gần như hoàn chỉnh nhưng cấu trúc bị nhiễu đáng kể, nhiệm vụ sẽ tương tự như gấp cuộn protein (protein folding), tức là khôi phục cấu trúc dựa trên trình tự đã biết; khi cấu trúc gần như hoàn chỉnh nhưng trình tự bị che khuất phần lớn, nhiệm vụ sẽ tương tự như gấp cuộn ngược (inverse folding), tức là tạo ra trình tự axit amin có khả năng hình thành cấu trúc mục tiêu.

Khi cả trình tự và cấu trúc đều bị phá hủy một phần, mô hình cần xử lý đồng thời cả hai loại thông tin, từ đó học cách thiết kế phối hợp giữa trình tự và cấu trúc protein.

Lưu ý từ IT: Gấp cuộn protein (protein folding) là quá trình chuỗi axit amin hình thành cấu trúc ba chiều cụ thể, trong khi gấp cuộn ngược (inverse folding) là việc tìm kiếm trình tự axit amin có khả năng tương ứng dựa trên cấu trúc mục tiêu.

Theo kết quả nghiên cứu, SimpleDesign đã đạt được hiệu suất cạnh tranh trong các bài kiểm tra chuẩn về thiết kế protein kết hợp, tạo cấu trúc và tạo trình tự. Các nhà nghiên cứu cũng phát hiện ra rằng mô hình này có khả năng tạo ra các cấu trúc protein có hình thái hợp lý, với chất lượng trình tự axit amin tạo ra tương đương hoặc tốt hơn so với hầu hết các mô hình đa phương thức cạnh tranh.

Tuy nhiên, bài báo hiện mới chỉ báo cáo kết quả đánh giá trên máy tính. Nhóm nghiên cứu vẫn chưa xác minh thông qua thực nghiệm xem liệu các protein được tạo ra có thực sự gấp cuộn, thực hiện chức năng hoặc vận hành an toàn trong các hệ thống sinh học hay không, do đó những kết quả này chưa thể chứng minh trực tiếp rằng các protein do mô hình thiết kế có khả năng ứng dụng thực tế.