AlphaFold 3: AI dự đoán tương tác phân tử sự sống

🔬 Series Khoa học — Google DeepMind & AI Sinh học (Bài 2/7) — Bài trước: AlphaFold là gì?. Bài này nói về AlphaFold 3 — bản nâng cấp đưa dự đoán từ protein đơn lẻ lên toàn bộ hệ tương tác phân tử.

AlphaFold 2 là một cuộc cách mạng — nó giải được bài toán dự đoán cấu trúc protein. Nhưng protein trong cơ thể không hoạt động đơn độc. Chúng tương tác với DNA, RNA, các protein khác, và phân tử nhỏ như thuốc hay ion kim loại. Nếu không hiểu các tương tác này, ta mới chỉ thấy một nửa bức tranh.

AlphaFold 3, công bố tháng 5 năm 2024, là bước tiếp theo: mô hình hoá toàn bộ tương tác giữa các phân tử sự sống — thứ quyết định gần như mọi quá trình sinh học.

Từ protein đơn lẻ đến mạng lưới tương tác

Protein là công nhân, DNA là bản thiết kế, RNA là người chuyển tin. Nhưng:

• Protein không làm gì nếu không tương tác với các phân tử khác
• Thuốc hoạt động bằng cách gắn vào protein (ức chế hoặc kích hoạt)
• Enzyme tương tác với cơ chất để xúc tác phản ứng
• Protein điều hoà gắn vào DNA để bật/tắt gen

AlphaFold 2 chỉ xử lý được nửa đầu — cấu trúc một protein riêng lẻ. AlphaFold 3 mở rộng ra hệ nhiều phân tử: dự đoán cấu trúc phức hợp protein-DNA, protein-RNA, protein-phân tử nhỏ, protein-protein.

Tính năng	AlphaFold 2	AlphaFold 3
Protein đơn lẻ	✅	✅
Phức hợp protein-protein	Có hạn	✅
Protein-DNA	❌	✅
Protein-RNA	❌	✅
Phân tử nhỏ (thuốc)	❌	✅
Ion, sửa đổi hoá học	❌	✅
Tương tác kháng thể-kháng nguyên	❌	✅

Kiến trúc mới: từ Evoformer sang Pairformer

AlphaFold 3 thay đổi kiến trúc mạng đáng kể. Thay vì Evoformer với hai luồng song song (pair + MSA), AlphaFold 3 dùng Pairformer — đơn giản hoá nhưng hiệu quả hơn cho dự đoán đa phân tử.

Điểm đặc biệt: mô hình dùng diffusion network (giống Midjourney/DALL-E nhưng cho cấu trúc 3D phân tử) để sinh ra toạ độ nguyên tử thay vì dự đoán từng bước. Thay vì output dạng khoảng cách giữa các cặp axit amin, nó trực tiếp output ra toạ độ 3D của tất cả nguyên tử trong phức hợp.

Điều này cho phép AlphaFold 3 xử lý các phân tử không phải protein (DNA, RNA, phân tử nhỏ) — vì giờ đây mọi thứ đều được biểu diễn dưới cùng một dạng: toạ độ nguyên tử.

Ứng dụng trong thiết kế thuốc

Đây là nơi AlphaFold 3 thực sự toả sáng. Hiểu tương tác protein-thuốc là bước quan trọng nhất trong thiết kế dược phẩm:

1. Docking phân tử — dự đoán cách một phân tử thuốc gắn vào protein đích. AlphaFold 3 làm điều này nhanh hơn hàng trăm lần so với phương pháp mô phỏng truyền thống.
2. Thiết kế kháng thể — dự đoán tương tác kháng thể-kháng nguyên, giúp thiết kế kháng thể điều trị chính xác hơn.
3. Hiểu cơ chế kháng thuốc — khi vi khuẩn đột biến, cấu trúc protein thay đổi và thuốc không còn gắn được. AlphaFold 3 có thể dự đoán cấu trúc đột biến và giúp thiết kế thuốc thay thế.
4. Dự đoán độc tính — một số thuốc gắn nhầm vào protein không mong muốn gây tác dụng phụ. AlphaFold 3 có thể sàng lọc trước nguy cơ này.

Dữ liệu thực nghiệm cho thấy AlphaFold 3 cải thiện độ chính xác dự đoán tương tác protein-phân tử nhỏ lên 50% so với các phương pháp docking tốt nhất trước đó.

Hạn chế và tranh luận

AlphaFold 3 không hoàn hảo:

• Độ chính xác giảm với protein không có dữ liệu tương đồng — giống AlphaFold 2
• Tương tác động — protein thay đổi hình dạng khi tương tác, AlphaFold 3 dự đoán cấu trúc tĩnh
• Năng lượng tương tác — mô hình cho biết cấu trúc nhưng không trực tiếp cho biết năng lượng liên kết (cần kết hợp với các phương pháp tính toán khác)
• Tranh luận về mã nguồn mở — ban đầu DeepMind chỉ công bố báo cáo, không công bố trọng số cho các nhà nghiên cứu (đến tháng 11/2024 mới phát hành đầy đủ)

AlphaFold 3 có thể dùng để thiết kế thuốc mới không?

Nó là công cụ hỗ trợ đắc lực cho thiết kế thuốc — giúp dự đoán cách thuốc tương tác với protein đích — nhưng không tự động thiết kế thuốc. Các nhà dược học vẫn cần tổng hợp và thử nghiệm thực tế.

AlphaFold 3 có thay thế cryo-EM không?

Không. Cryo-EM (kính hiển vi điện tử) là thực nghiệm cho kết quả thật, đặc biệt quan trọng cho cấu trúc động và phức hợp lớn. AlphaFold 3 bổ trợ chứ không thay thế.

Tóm lại

AlphaFold 3 không chỉ là phiên bản nâng cấp của AlphaFold — nó là bước chuyển từ dự đoán cấu trúc sang mô hình hoá tương tác sinh học. Với khả năng dự đoán cách protein, DNA, RNA và thuốc tương tác với nhau, nó mở ra cánh cửa cho thiết kế thuốc chính xác, nhanh và rẻ hơn.

Bài tiếp theo: AlphaMissense — AI phân loại đột biến gen người. Từ cấu trúc, chúng ta chuyển sang chức năng — đột biến nào thực sự nguy hiểm? +++