Google công bố 3 nghiên cứu xây dựng phòng thí nghiệm sinh học tự vận hành

Google Research công bố nền tảng nghiên cứu kết nối việc AI thiết kế thí nghiệm với robot thực hiện trong phòng thí nghiệm. Trong thử nghiệm aptamer, nhóm nghiên cứu lặp lại ba vòng thiết kế, thí nghiệm và phân tích kết quả, ghi nhận tỷ lệ liên kết với α-thrombin là 42,1% và độ đặc hiệu mục tiêu là 98,5%.

Ngày 16 tháng 10, Google Research giới thiệu ba nghiên cứu hướng tới xây dựng phòng thí nghiệm sinh học tự vận hành. Đây là nơi các hiện tượng sinh học được đo trực tiếp bằng ống nghiệm, thuốc thử và thiết bị. Mục tiêu nhóm nghiên cứu đề ra là để AI thiết kế ứng viên, robot tiến hành thí nghiệm, sau đó phân tích kết quả và dùng chúng cho vòng thử nghiệm tiếp theo.

Nền tảng của nghiên cứu là VERID, viết tắt của “Verified Infrastructure for Discovery Laboratories”, một khung ghi nhận kỹ thuật số trạng thái không gian làm việc trong phòng thí nghiệm. Hệ thống theo dõi theo thời gian thực vị trí cánh tay robot, lượng chất lỏng trong từng giếng của đĩa thí nghiệm, loại thuốc thử và lượng đầu típ pipet còn lại. Google Research cho biết VERID được xây dựng trên khung mã nguồn mở PyLabRobot.

AI có thể truy vấn trạng thái phòng thí nghiệm để lập kế hoạch quy trình và mô phỏng ảo trước khi thực hiện. Hệ thống chặn trước các lệnh robot không thể làm do lối đi quá hẹp, cũng như lệnh hút chất lỏng từ giếng không đủ thuốc thử. Video thực hiện và nhật ký chuyển động được dùng để tái lập thí nghiệm và truy nguyên lỗi.

Nhóm nghiên cứu của Google thử nghiệm cách AI đưa kết quả vào thiết kế tiếp theo thông qua các thí nghiệm aptamer. Aptamer là một trình tự DNA ngắn được thiết kế để liên kết với một protein mục tiêu cụ thể. Nhóm chọn myoglobin và α-thrombin, protein tham gia vào quá trình đông máu, làm mục tiêu.

Trong vòng đầu tiên của thử nghiệm α-thrombin, nhóm chưa tìm được ứng viên có khả năng liên kết. Họ xác định trình tự mồi cố định cản trở ứng viên gấp cuộn, rồi điều chỉnh thiết kế. Đến vòng thứ ba, tỷ lệ liên kết đạt 42,1% và độ đặc hiệu mục tiêu đạt 98,5%.

Trong thử nghiệm myoglobin, vấn đề xuất hiện khi số trình tự bám vào cả những chất không phải mục tiêu tăng lên, khiến nhóm thay đổi quy tắc thiết kế. Tỷ lệ liên kết ở vòng thứ ba được công bố là 33,5%. Google cho biết mỗi chu kỳ thiết kế, thí nghiệm và phân tích trong quá trình tìm kiếm aptamer mất từ 7 đến 10 ngày.

Các con số này được ghi nhận với từng mục tiêu và điều kiện thí nghiệm cụ thể. Google Research không trình bày thử nghiệm aptamer là bằng chứng về độ an toàn hay hiệu quả của ứng viên thuốc. Tỷ lệ liên kết và độ đặc hiệu mục tiêu của aptamer là hai chỉ số khác nhau.

Trong một nghiên cứu thiết kế protein riêng biệt, Google Research cho biết đã tạo ra ứng viên có ái lực liên kết ở mức nanomolar một chữ số, nhắm vào protein FAP được biểu hiện quá mức trong các khối u rắn. Ái lực liên kết thể hiện mức độ gắn kết giữa hai phân tử. Kết quả này thuộc một hướng nghiên cứu riêng, nên không thể so sánh trực tiếp với tỷ lệ liên kết trong nghiên cứu aptamer.

Nghiên cứu cho thấy cần có bước kiểm chứng giữa việc đề xuất phân tử triển vọng trên máy tính và tìm ra ứng viên hoạt động trong thí nghiệm thực tế. Google Research cho biết chỉ dựa vào thiết kế trên máy tính khó dự đoán hết các biến số thực nghiệm, chẳng hạn trạng thái thuốc thử và quá trình di chuyển chất lỏng.

Google Research chọn các hệ thí nghiệm không có khả năng lây nhiễm và không có nguy cơ tạo ra chức năng mới làm môi trường thử nghiệm. Các biện pháp an toàn được nêu gồm rà soát trình tự thiết kế về an toàn sinh học, mô phỏng trước khi robot thực hiện, cùng việc con người phê duyệt trình tự và kiểm tra quy trình thí nghiệm.

Google Research cho biết vẫn còn thách thức trong việc ngăn tác nhân tối ưu hóa các mẹo trong thí nghiệm thay vì khả năng liên kết với mục tiêu thực, cũng như giám sát liên tục các quy trình nhiều bước và quyết định, hành động của tác nhân. Công bố này mới là các trường hợp thử nghiệm ban đầu; Google chưa đưa ra đánh giá về tác động đối với chi phí hay thời gian phát triển thuốc.