Ứng dụng AI phát triển cảm biến giúp phát hiện ung thư sớm

Khuếch đại tín hiệu ung thư

Nhóm nghiên cứu đã thiết kế một mô hình AI để tạo ra các peptide (protein ngắn) nhắm mục tiêu vào các enzyme gọi là protease, vốn hoạt động quá mức trong tế bào ung thư. Khi được phủ peptide, các hạt nano sẽ hoạt động như cảm biến, phát ra tín hiệu khi phát hiện protease liên quan đến ung thư ở bất kỳ vị trí nào trong cơ thể.

Bệnh ung thư cụ thể sẽ được xác định dựa vào loại protease phát hiện được. Điều này có thể kiểm tra thông qua xét nghiệm nước tiểu đơn giản, hoặc thậm chí ngay tại nhà. "Chúng tôi tập trung vào việc phát hiện siêu nhạy các bệnh, như ung thư giai đoạn đầu khi khối u còn nhỏ, hoặc phát hiện tái phát sớm sau phẫu thuật", Giáo sư Sangeeta Bhatia của Viện MIT, tác giả chính của nghiên cứu, cho biết.

Hơn một thập kỷ trước, phòng thí nghiệm của Giáo sư Sangeeta Bhatia đã nảy ra ý tưởng sử dụng hoạt động của protease làm dấu ấn sinh học để chẩn đoán ung thư. Vì nhiều protease hoạt động quá mức trong tế bào ung thư, nhóm nghiên cứu đã phủ lên hạt nano các peptide. Khi được đưa vào cơ thể, các hạt nano này di chuyển khắp nơi. Nếu gặp protease liên quan đến ung thư, các peptide trên hạt sẽ bị phân cắt và được bài tiết ra ngoài qua nước tiểu. Sau đó, chúng có thể được phát hiện thông qua que thử giấy đơn giản, cung cấp thông tin về hoạt động của protease bên trong cơ thể.

Trong nghiên cứu mới, nhóm đã cải tiến quy trình bằng cách phát triển một hệ thống AI có tên CleaveNet, chuyên thiết kế các chuỗi peptide có thể bị phân cắt một cách hiệu quả và đặc hiệu bởi các protease mục tiêu. Các tiêu chí thiết kế được đưa vào CleaveNet, từ đó mô hình tạo ra những peptide phù hợp. Cách tiếp cận này giúp kiểm soát tốt hơn hiệu quả và độ đặc hiệu của peptide, mở ra khả năng nâng cao độ chính xác của các cảm biến chẩn đoán ung thư. "Nếu xác định được một protease cụ thể đóng vai trò then chốt đối với một loại ung thư nhất định, chúng ta có thể tối ưu hóa cảm biến để đạt độ nhạy và tính đặc hiệu cao với protease đó, thì đây sẽ là một tín hiệu chẩn đoán vô cùng giá trị", Ava Amini, đồng tác giả của nghiên cứu, cho biết.

Ứng dụng AI để thiết kế peptide

Theo nhóm nghiên cứu, với một peptide gồm 10 axit amin, có tới khoảng 10 nghìn tỷ tổ hợp. Việc ứng dụng AI để tìm kiếm trong không gian khổng lồ này giúp dự đoán, thử nghiệm và xác định các chuỗi peptide tiềm năng nhanh hơn nhiều so với cách làm thủ công, đồng thời giảm đáng kể chi phí thí nghiệm. CleaveNet là mô hình ngôn ngữ protein được huấn luyện trên dữ liệu của khoảng 20.000 peptide cùng các tương tác của chúng với nhóm enzyme metalloproteinase (MMP) trong chất nền ngoại bào. Hệ thống này có khả năng tạo ra các chuỗi peptide mới và dự đoán mức độ chúng bị phân cắt bởi những protease cụ thể.

Khi thử nghiệm với MMP13, một protease có liên quan đến quá trình lan rộng của ung thư, CleaveNet đã thiết kế được các peptide hoàn toàn mới, chưa từng được ghi nhận trước đây, nhưng vẫn đạt hiệu quả phân cắt cao và độ chọn lọc vượt trội. Việc cải thiện tính chọn lọc này giúp giảm số lượng peptide cần thiết trong chẩn đoán ung thư, đồng thời hỗ trợ phát hiện các dấu ấn sinh học mới cũng như thúc đẩy nghiên cứu và phát triển các liệu pháp nhắm mục tiêu.

Hiện tại, Giáo sư Sangeeta Bhatia cũng đang triển khai một dự án về xét nghiệm tại nhà, với khả năng phát hiện và phân biệt tới 30 loại ung thư ở giai đoạn sớm thông qua việc đo hoạt động của protease, bao gồm các MMP và nhiều họ enzyme khác.