Giới thiệu dự án

Bệnh hen phế quản (Asthma) là bệnh lý viêm mạn tính đường thở phổ biến hàng đầu trên toàn cầu. Theo thống kê dịch tễ học y tế, tại Việt Nam có khoảng 3,9% dân số (tương đương gần 4 triệu người) đang phải sống chung với bệnh hen phế quản, tạo nên gánh nặng kinh tế và y tế nghiêm trọng. Các phác đồ điều trị tiêu chuẩn hiện nay phụ thuộc chủ yếu vào corticosteroid dạng hít (ICS) kết hợp với thuốc kích thích thụ thể beta-2 giao cảm tác dụng kéo dài (LABA). Tuy nhiên, việc điều trị duy trì bằng corticosteroid dài ngày tiềm ẩn nhiều tác dụng phụ toàn thân, đồng thời xuất hiện tình trạng kháng steroid ở các thể hen nặng. Do đó, việc tìm kiếm các hoạt chất mới có nguồn gốc tự nhiên với cơ chế tác động đa mục tiêu (polypharmacology) và độ an toàn cao là định hướng cấp thiết trong nghiên cứu dược phẩm hiện đại.

Cây Xấu hổ (hay cây Trinh nữ - Mimosa pudica L., thuộc họ Đậu Fabaceae) là một dược liệu bản địa giàu tiềm năng tại Việt Nam, đã được chứng minh thực nghiệm có tác dụng kháng khuẩn, giảm lo âu, giải co thắt cơ trơn khí phế quản tương đương với diphenhydramine (2 mg/kg) và aminophylline (6 mg/kg). Dù vậy, các nghiên cứu trước đây chủ yếu dừng lại ở việc đánh giá cao chiết thô, chưa định danh chính xác các phân tử hoạt chất đơn lẻ đóng vai trò chủ chốt cũng như cơ chế tương tác ở cấp độ thụ thể phân tử.

Khóa luận tốt nghiệp Dược sĩ của sinh viên Bùi Quốc Bảo (Trường Đại học Dược Hà Nội, dưới sự hướng dẫn của TS. Phạm Tuấn Anh và ThS. Đỗ Ngọc Tuấn - Công ty Cổ phần Giải pháp Công nghệ N2TP) đã ứng dụng kỹ thuật mô phỏng tính toán in silico toàn diện để giải quyết bài toán này.

Các mục tiêu nghiên cứu cụ thể bao gồm:

  1. Xây dựng cơ sở dữ liệu cấu trúc không gian 3D gồm 38 hợp chất tự nhiên phân lập từ Mimosa pudica L. và 46 thụ thể protein đích liên quan trực tiếp đến cơ chế viêm hô hấp.
  2. Sàng lọc ảo thông lượng cao bằng phương pháp Docking phân tử (Molecular Docking) để xác định các hợp chất có ái lực liên kết mạnh ($\Delta G_{\text{bind}} \le -8.0\text{ kcal/mol}$).
  3. Thực hiện mô phỏng động lực học phân tử (Molecular Dynamics Simulation - MDS) trong thời gian 100 ns trên đích protein p38 MAPK, đánh giá độ ổn định phức hợp và tính toán năng lượng tự do liên kết chính xác bằng phương pháp MM/PBSA so với chất ức chế chuẩn lâm sàng Adezmapimod.

Phạm vi nghiên cứu tập trung vào 38 phân tử hoạt chất thực vật đã được xác định cấu trúc và 46 đích phân tử thuộc 4 nhóm bệnh sinh học chính trong hen phế quản (Kinases, Phosphodiesterases, Proteases, Cytokines/Chemokines), kết hợp kiểm chứng động học chuyên sâu 100 ns trên hệ dung môi nước sinh lý.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quá trình nghiên cứu và phát triển thuốc (R&D) truyền thống đòi hỏi chi phí khổng lồ (trung bình 1–2 tỷ USD/thuốc mới) và thời gian thử nghiệm kéo dài 10–15 năm với tỷ lệ thất bại cao ở các giai đoạn sàng lọc thực nghiệm ban đầu (wet-lab screening).

Tiêu chí phân tích Sàng lọc In Vitro HTS truyền thống Docking tĩnh đơn đích (Single-target) Pipeline đa mục tiêu Docking + 100ns MD (Đề tài)
Chi phí triển khai Rất cao (Hóa chất, kit ELISA, máy đo) Rất thấp (Chỉ cần CPU cơ bản) Tối ưu (Cần hệ thống máy trạm GPU)
Thời gian sàng lọc 6 – 12 tháng thực nghiệm Vài giờ tính toán 3 – 5 ngày mô phỏng chi tiết
Xét yếu tố dung môi/nhiệt độ Có (Môi trường sinh học thực) Không (Cố định, protein cứng) Có (Mô phỏng all-atom trong nước/ion)
Khả năng quét đa mục tiêu Bị giới hạn bởi số lượng kit thử Trung bình Rất cao (Đồng thời 46 đích sinh học)
Độ tin cậy của liên kết Đo đạc trực tiếp qua $IC_{50}$ Dễ dương tính giả (False positive) Rất cao (Được tinh chỉnh qua MM/PBSA)

Phân tích yêu cầu kỹ thuật theo mô hình MoSCoW:

  • Must-have: Tối ưu hóa cấu trúc 38 phối tử và 46 protein đích; Thiết lập hộp lưới (grid box) bao trùm khoang hoạt động xúc tác; Thực hiện mô phỏng MD 100 ns; Đánh giá biến thiên RMSD, RMSF, $R_{\text{gyr}}$ và $\Delta G_{\text{bind}}$ MM/PBSA.
  • Should-have: So sánh năng lượng liên kết trực tiếp với đối chứng chuẩn Adezmapimod; Phân tích tương tác liên kết hydro và tương tác kỵ nước tại khoang gắn kết.
  • Could-have: Mở rộng mô phỏng thời gian dài hơn (500 ns) đối với phức hợp bền vững nhất.
  • Won't-have: Khẳng định hoạt tính lâm sàng in vivo trên người trong phạm vi một khóa luận tốt nghiệp.

Thiết kế hệ thống

Kiến trúc pipeline tính toán được tổ chức theo mô hình dòng dữ liệu đa tầng khép kín từ sàng lọc tĩnh đến mô phỏng động học:

[38 Hợp chất M. pudica (SDF)] + [46 Đích protein (PDB)]
   [Chuẩn hóa cấu trúc & Gán trường lực (PyMOL / Open Babel)]
   [Sàng lọc Docking phân tử đa mục tiêu (AutoDock 4.2.6)]
   (Ngưỡng lọc: Binding Energy ≤ -8.0 kcal/mol)
   [Lọc 15 hợp chất vượt trội chứng dương Adezmapimod trên p38 MAPK]
   [Mô phỏng Động lực học phân tử 100 ns All-Atom (GROMACS 2021.4)]
   (Trường lực AMBER99SB-ILDN + GAFF + NVT/NPT Equilibration)
   [Phân tích Trajectory: RMSD, RMSF, Rgyr & MM/PBSA Binding Energy]
   [Xác định Top 3 Hoạt chất ức chế p38 MAPK tối ưu nhất]

Technology Stack và phiên bản công nghệ sử dụng:

  • Hệ điều hành: Linux Ubuntu 22.04 LTS (x86_64).
  • Phần mềm Docking: AutoDock phiên bản 4.2.6 tích hợp AutoDockTools (ADT) phiên bản 1.5.7.
  • Phần mềm Động lực học phân tử: GROMACS phiên bản 2021.4 với khả năng tăng tốc phần cứng CUDA/OpenMP.
  • Trường lực (Force Fields): AMBER99SB-ILDN cho đại phân tử protein; General AMBER Force Field (GAFF) kết hợp gán điện tích bán thực nghiệm AM1-BCC cho phối tử phân tử nhỏ.
  • Mô hình dung môi: SPC/E (Extended Simple Point Charge) 3-site water model.
  • Công cụ trực quan hóa: PyMOL Molecular Graphics System phiên bản 2.5.0.
  • Chuyển đổi định dạng hóa tin: Open Babel GUI phiên bản 3.1.1.
  • Cấu hình máy trạm: CPU Intel Core i9-14900F (24 cores, 32 threads), GPU NVIDIA GeForce GTX 1080 Ti (11GB VRAM), RAM 64GB DDR4 3200MHz, Ổ cứng SSD NVMe Samsung 980 Pro 2TB.

Methodology

Phương pháp luận nghiên cứu được triển khai theo 4 giai đoạn chuẩn mực trong Hóa tin dược:

  1. Thu thập và tiền xử lý dữ liệu: Thu thập 38 cấu trúc hóa học từ PubChem (định dạng SDF), làm sạch và tối ưu hóa hình học, gán điện tích Gasteiger và chuyển sang định dạng PDBQT. Thu thập 46 cấu trúc tinh thể tia X của protein từ Protein Data Bank (RCSB PDB), loại bỏ nước kết tinh, phối tử đồng kết tinh không cần thiết, sửa chữa các chuỗi bên bị thiếu và thêm nguyên tử hydro phân cực cùng điện tích Kollman.
  2. Molecular Docking: Cấu hình không gian tìm kiếm (Grid Box) với kích thước và tọa độ tâm bao phủ toàn bộ vị trí gắn kết tự nhiên của cơ chất, sử dụng giải thuật di truyền Lamarckian Genetic Algorithm (LGA) với 100 lần chạy độc lập cho mỗi cặp tương tác.
  3. Molecular Dynamics Simulation: Đưa phức hợp ligand-protein tối ưu nhất vào hộp dung môi tuần hoàn (triclinic periodic box), trung hòa điện tích hệ thống bằng ion $\text{Na}^+$ và $\text{Cl}^-$, tiến hành tối ưu hóa năng lượng hệ thống (Steepest Descent Minimization), cân bằng nhiệt độ 300 K qua hệ NVT (100 ps) và cân bằng áp suất 1.0 bar qua hệ NPT (100 ps), sau đó chạy mô phỏng chính thức (Production MD) trong suốt 100 ns với bước nhảy thời gian 2 fs.
  4. Phân tích năng lượng tự do MM/PBSA: Tính toán năng lượng liên kết tự do nhiệt động học dựa trên trích xuất 1000 khung hình (frames) từ 20 ns cuối của quỹ đạo mô phỏng.

Implementation và kết quả

Development process

Quá trình thực hiện tính toán mô phỏng được chuẩn hóa thông qua các kịch bản thực thi tự động trên môi trường GROMACS và AmberTools.

Kịch bản thiết lập thông số mô phỏng cân bằng và chạy chính thức trên GROMACS:

# 1. Tối ưu hóa năng lượng hệ thống (Energy Minimization)
gmx grompp -f em.mdp -c complex_solv_ions.gro -p topol.top -o em.tpr
gmx mdrun -v -deffnm em -nb gpu

# 2. Cân bằng nhiệt độ hệ thống NVT Ensemble (300K, 100 ps)
gmx grompp -f nvt.mdp -c em.gro -r em.gro -p topol.top -o nvt.tpr
gmx mdrun -deffnm nvt -nb gpu

# 3. Cân bằng áp suất hệ thống NPT Ensemble (1 bar, 100 ps)
gmx grompp -f npt.mdp -c nvt.gro -r nvt.gro -t nvt.cpt -p topol.top -o npt.tpr
gmx mdrun -deffnm npt -nb gpu

# 4. Chạy mô phỏng Động lực học phân tử chính thức 100 ns
gmx grompp -f md_100ns.mdp -c npt.gro -t npt.cpt -p topol.top -o md_p38_complex.tpr
gmx mdrun -deffnm md_p38_complex -nb gpu -pme gpu -bonded gpu

Cơ sở thuật toán tính toán năng lượng tự do liên kết theo phương pháp MM/PBSA: $$\Delta G_{\text{bind}} = \langle G_{\text{complex}} \rangle - \left( \langle G_{\text{receptor}} \rangle + \langle G_{\text{ligand}} \rangle \right)$$ Trong đó: $$\Delta G_{\text{bind}} = \Delta H - T\Delta S \approx \Delta E_{\text{MM}} + \Delta G_{\text{solv}} - T\Delta S$$ $$\Delta E_{\text{MM}} = \Delta E_{\text{bonded}} + \Delta E_{\text{non-bonded}} = \Delta E_{\text{bonded}} + (\Delta E_{\text{vdW}} + \Delta E_{\text{elec}})$$ $$\Delta G_{\text{solv}} = \Delta G_{\text{polar (PB/GB)}} + \Delta G_{\text{non-polar (SASA)}}$$ Với $\Delta G_{\text{non-polar}} = \gamma \cdot \text{SASA} + \beta$, trong đó $\text{SASA}$ là diện tích bề mặt tiếp xúc dung môi (Solvent Accessible Surface Area).

Testing và validation

Hiệu lực của mô hình tính toán được chuẩn hóa và thẩm định thông qua việc gắn kết lại (re-docking) phối tử chuẩn Adezmapimod vào khoang gắn của thụ thể kinase p38$\alpha$ MAPK (PDB ID xác định). Điểm năng lượng liên kết của Adezmapimod đạt $-8.00\text{ kcal/mol}$, xác lập ngưỡng tham chiếu tin cậy cho toàn bộ các phép thử tiếp theo.

Quá trình mô phỏng 100 ns thu thập 50.000 cấu hình không gian với dung lượng dữ liệu trajectory hơn 40 GB cho mỗi phức hợp, đảm bảo độ phủ thống kê trạng thái vi mô đầy đủ.

Kết quả đạt được

  1. Kết quả sàng lọc Docking phân tử tổng quát:

    • Từ 38 hợp chất ban đầu, đã phát hiện 31 hợp chất (chiếm 81,58%) có năng lượng liên kết $\le -8.0\text{ kcal/mol}$ với ít nhất 1 đích chống viêm.
    • 31 hợp chất tiềm năng được phân thành 4 nhóm cấu trúc chính: Flavonoids (20 hợp chất), Phytosterols (7 hợp chất), Hợp chất Phenolic (2 hợp chất) và Acid hữu cơ (2 hợp chất).
    • Trong 46 thụ thể thử nghiệm, có tới 28 protein đích thể hiện tương tác ái lực cao với các hợp chất trong cây Xấu hổ, trong đó nhóm Kinases (EGFR, p38 MAPK, ROCK1/2), nhóm Phosphodiesterases (PDE4B, PDE4A, PDE3B) và nhóm Cytokines/Chemokines (CCR5, CXCR2, 5-LO) chiếm ưu thế áp đảo.
  2. Sàng lọc chuyên sâu trên đích p38 MAPK:

    • Đã xác định được danh sách 15 hợp chất có điểm docking vượt trội hơn chất đối chứng Adezmapimod ($-8.00\text{ kcal/mol}$), dẫn đầu bởi Apigenin-7-O-$\beta$-D-glucosid ($-9.67\text{ kcal/mol}$), Cassiaoccidentalin B ($-9.45\text{ kcal/mol}$) và Catechin ($-9.12\text{ kcal/mol}$).
  3. Kết quả Động lực học phân tử 100 ns và Năng lượng liên kết MM/PBSA: Sau khi tính toán đầy đủ tương tác chuyển động, nhiệt động lực học và hiệu ứng solvate hóa trong môi trường nước, 7 hợp chất duy trì ái lực liên kết mạnh hơn chất đối chứng lâm sàng Adezmapimod:

STT Tên hợp chất Phân nhóm hóa học Điểm Docking (kcal/mol) $\Delta G_{\text{bind}}$ MM/PBSA (kcal/mol) Độ lệch chuẩn (SD)
1 Catechin Flavonoid -9.12 -10.85 $\pm 0.86$
2 Cassiaoccidentalin B Flavonoid -9.45 -9.92 $\pm 1.12$
3 Luteolin Flavonoid -8.76 -9.54 $\pm 0.94$
4 Ergosterol Phytosterol -8.54 -9.21 $\pm 1.05$
5 $\alpha$-Spinasterol Phytosterol -8.62 -8.89 $\pm 0.78$
6 Stigmastanol Phytosterol -8.45 -8.35 $\pm 1.20$
7 Ergosterol peroxide Phytosterol -8.30 -8.15 $\pm 1.45$
Ref Adezmapimod (Chứng dương) Chất chuẩn ức chế -8.00 -8.02 $\pm 0.65$
  1. Phân tích độ ổn định cấu trúc động học (Trajectory Dynamics):
    • Độ lệch bình phương trung bình gốc (RMSD): Cấu trúc khung protein của hầu hết các phức hợp duy trì trạng thái ổn định lý tưởng với $\text{RMSD} < 0.35\text{ nm}$ trong suốt 100 ns (chỉ có phức hợp Ergosterol peroxide dao động lớn). Phối tử Catechin, Luteolin, $\alpha$-spinasterol và Stigmastanol đạt độ hội tụ cao với $\text{RMSD}_{\text{ligand}} < 0.20\text{ nm}$, chứng minh ligand bám chặt vào hốc liên kết mà không bị giải phóng ra dung môi.
    • Bán kính nén quay vòng ($R_{\text{gyr}}$): Phức hợp Catechin, Luteolin và $\alpha$-spinasterol duy trì $R_{\text{gyr}}$ ổn định dưới ngưỡng $2.30\text{ nm}$, khẳng định cấu trúc protein luôn ở trạng thái cuộn gập bền chặt, không bị biến tính hay giãn nở cấu trúc khi gắn phối tử.
    • Biến động vị trí từng gốc axit amin (RMSF): Độ dao động $\Delta\text{RMSF}$ của hầu hết các gốc axit amin trên chuỗi p38 MAPK dao động thấp trong khoảng $0.15 - 0.40\text{ nm}$. Ba khu vực có độ linh động cao tập trung tại các vùng loop không cấu trúc (aa 100–110, aa 170–180 và aa 265–275), trong khi vùng lõi xúc tác liên kết phối tử hoàn toàn bất biến và ổn định cao.

Đổi mới và đóng góp

  • Đổi mới phương pháp luận: Lần đầu tiên một cơ sở dữ liệu chuyên biệt hóa học của Mimosa pudica L. gồm 38 hợp chất được sàng lọc đồng thời trên mạng lưới 46 đích phân tử gây viêm đường hô hấp, làm sáng tỏ cơ chế tác dụng dược lý đa đích (polypharmacology) của cây Xấu hổ ở cấp độ nguyên tử.
  • Vượt trội so với các nghiên cứu trước đây: So với nghiên cứu của Chennu MM Prasada Rao et al. (sàng lọc 1172 chất tìm Adezmapimod) hay các công bố trước đó chỉ dừng lại ở thử nghiệm cao chiết thô, nghiên cứu này đã kết hợp mô phỏng động lực học phân tử 100 ns trong hệ dung môi nước thực tế, khắc phục triệt để nhược điểm "dương tính giả" của phương pháp docking tĩnh truyền thống.
  • Đóng góp khoa học cốt lõi: Khẳng định 3 phân tử dẫn đầu gồm Catechin ($\Delta G = -10.85\text{ kcal/mol}$), Luteolin ($\Delta G = -9.54\text{ kcal/mol}$) và $\alpha$-Spinasterol ($\Delta G = -8.89\text{ kcal/mol}$) có độ bền liên kết và khả năng ức chế enzym p38 MAPK vượt trội hơn cả thuốc thử nghiệm lâm sàng Adezmapimod, mở ra hướng phát triển thuốc chống viêm - trị hen thế hệ mới có nguồn gốc từ dược liệu Việt Nam.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  1. Phát triển chế phẩm trị hen phế quản và COPD: Định hướng chiết xuất phân đoạn làm giàu nhóm Flavonoid (Catechin, Luteolin) và Phytosterol ($\alpha$-spinasterol) từ Mimosa pudica để bào chế viên nang cứng hoặc dung dịch khí dung xịt họng hỗ trợ điều trị hen suyễn và giảm xơ phổi hậu COVID-19.
  2. Tối ưu hóa phân tử thuốc mới (Lead Optimization): Sử dụng khung phân tử Catechin và Luteolin làm cấu trúc nền để thiết kế bán tổng hợp các dẫn xuất ức chế p38 MAPK thế hệ mới có sinh khả dụng cao hơn.

Chiến lược triển khai và yêu cầu hệ thống

+-------------------------------------------------------------+
|                YÊU CẦU HỆ THỐNG TRIỂN KHAI                  |
+-------------------------------------------------------------+
| • Phần cứng tối thiểu : CPU 8 Cores, 32GB RAM, GPU GTX 1660 |
| • Phần cứng khuyến nghị: CPU 24 Cores, 64GB RAM, GPU RTX 3080|
| • Môi trường phần mềm : Linux Ubuntu 20.04/22.04 LTS        |
| • Công cụ tính toán   : GROMACS 2021+, AutoDock 4.2.6, GAFF |
+-------------------------------------------------------------+

Phân tích hiệu quả kinh tế (ROI) và tiềm năng thị trường

  • Tiết kiệm thời gian R&D: Giảm thời gian sàng lọc sơ bộ từ 18 tháng (phương pháp tách chiết thử nghiệm thông thường) xuống còn 2 tuần phân tích tính toán.
  • Tối ưu hóa ngân sách: Giảm hơn 80% chi phí mua sắm hóa chất, enzyme tinh khiết và động vật thí nghiệm trong giai đoạn chọn lọc chất dẫn đường (lead compounds).
  • Quy mô thị trường: Thị trường thuốc điều trị hen suyễn và COPD toàn cầu đạt hơn 35 tỷ USD/năm; các sản phẩm có nguồn gốc tự nhiên với cơ chế khoa học minh bạch đang có tốc độ tăng trưởng kép (CAGR) trên 8.5%/năm.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Thời gian mô phỏng động lực học dừng ở mức 100 ns; một số biến đổi cấu trúc bậc cao của thụ thể màng có thể cần thời gian mô phỏng dài hơn (500 ns – 1 $\mu$s).
  • Chưa khảo sát trạng thái proton hóa động học của các axit amin tại các dải pH vi môi trường viêm khác nhau ($pH \approx 6.0 - 6.8$).

Hướng phát triển tiếp theo

  • Khảo nghiệm In Vitro: Tiến hành thử nghiệm ức chế enzyme p38$\alpha$ MAPK kinase assay bằng phương pháp huỳnh quang để xác định giá trị $IC_{50}$ thực tế của Catechin, Luteolin và $\alpha$-spinasterol tinh khiết.
  • Đánh giá trên dòng tế bào: Thử nghiệm trên tế bào biểu mô phế quản người (BEAS-2B) và đại thực bào phế nang để đo lường mức độ giảm biểu hiện các cytokine tiền viêm (TNF-$\alpha$, IL-1$\beta$, IL-6, IL-8).
  • Khảo nghiệm In Vivo: Đánh giá hiệu lực giảm co thắt phế quản và giảm thâm nhiễm bạch cầu ái toan trên mô hình chuột cống trắng gây hen thực nghiệm bằng Ovalbumin (OVA).

Đối tượng hưởng lợi

  • Sinh viên và Học viên Dược học: Cung cấp tài liệu tham khảo chuẩn mực, chi tiết về quy trình nghiên cứu phát triển thuốc hiện đại in silico kết hợp Molecular Docking và Molecular Dynamics.
  • Nhà nghiên cứu Hóa tin & Tin sinh học: Cung cấp bộ thông số cấu hình tối ưu (mdp parameters, topology files) cho mô phỏng phức hợp protein-phối tử thực vật trên GROMACS.
  • Doanh nghiệp Dược phẩm & Sản xuất Dược liệu: Sở hữu cơ sở khoa học vững chắc về thành phần hoạt tính của cây Xấu hổ để đầu tư chuẩn hóa quy trình chiết xuất và đăng ký sở hữu trí tuệ cho các bài thuốc cổ truyền điều trị hô hấp.
  • Bệnh nhân hen phế quản: Mở ra cơ hội tiếp cận các liệu pháp điều trị hỗ trợ có nguồn gốc tự nhiên, hiệu quả ức chế viêm cao và hạn chế tối đa tác dụng phụ tiêu cực.

Câu hỏi thường gặp

1. Cấu hình phần cứng tối thiểu để triển khai pipeline Docking và mô phỏng MD 100 ns là gì?

Hệ thống tối thiểu cần vi xử lý đa nhân (Intel Core i7/AMD Ryzen 7, tối thiểu 8 nhân), 32 GB RAM và một GPU hỗ trợ CUDA (từ NVIDIA GTX 1660 hoặc RTX 2060 trở lên với ít nhất 6 GB VRAM) để tận dụng tính toán gia tốc hạt trên GROMACS.

2. Tại sao cần chạy Molecular Dynamics 100 ns khi điểm Docking đã đạt mức rất tốt?

Docking phân tử chỉ là phép tính tĩnh (rigid receptor), xem protein như một cấu trúc cứng và chưa tính đến tương tác dung môi, ion đệm, nhiệt độ và áp suất sinh lý. Mô phỏng MD 100 ns cho phép kiểm tra độ ổn định thực tế của liên kết theo thời gian thực và loại bỏ các kết quả dương tính giả từ Docking.

3. Làm thế nào để tích hợp kết quả tính toán này vào quy trình R&D thuốc cổ truyền?

Kết quả sàng lọc in silico định hướng chính xác phân đoạn chiết xuất cần tập trung (phân đoạn giàu flavonoid/sterol), giúp chuẩn hóa hàm lượng hoạt chất chỉ điểm (Catechin, Luteolin) trong tiêu chuẩn cơ sở của nguyên liệu dược liệu thay vì chiết xuất ngẫu nhiên.

4. Quy trình xử lý lỗi khi cấu trúc protein tải từ PDB bị thiếu nguyên tử hoặc mất liên kết?

Cần sử dụng các công cụ tinh chỉnh cấu trúc chuyên dụng như PDBFixer, vòng lặp Loop Modeling trong Modeller hoặc cấu lệnh tích hợp của PyMOL/Swiss-PdbViewer để bổ sung các chuỗi bên (side-chains), sửa chữa đứt gãy peptide và tối ưu hóa cực tiểu năng lượng trước khi docking.

5. Chi phí đầu tư cơ sở hạ tầng tính toán in silico so với phòng lab thực nghiệm ướt (Wet Lab) chênh lệch như thế nào?

Chi phí thiết lập một trạm làm việc (Workstation) GPU mạnh cho nghiên cứu in silico chỉ dao động trong khoảng 2.000 – 4.000 USD, thấp hơn hàng chục lần so với chi phí đầu tư phòng lab sinh học phân tử cơ bản (từ 50.000 – 200.000 USD chưa bao gồm chi phí định kỳ cho kit thử và hóa chất tiêu hao).


Kết luận

Khóa luận tốt nghiệp của Dược sĩ Bùi Quốc Bảo đã chứng minh tính ưu việt của phương pháp tiếp cận đa mục tiêu in silico trong việc giải mã tiềm năng chống viêm của cây Xấu hổ (Mimosa pudica L.). Bằng việc kết hợp chặt chẽ giữa Molecular Docking trên 46 thụ thể và Molecular Dynamics Simulation 100 ns trên GROMACS, nghiên cứu đã phát hiện và khẳng định 3 hoạt chất hàng đầu gồm Catechin, Luteolin$\alpha$-Spinasterol có khả năng tạo phức hợp bền vững và ức chế đích kinase then chốt p38 MAPK với năng lượng tự do liên kết vượt trội hơn thuốc chuẩn Adezmapimod. Kết quả này cung cấp luận cứ khoa học vững chắc để phát triển các chế phẩm điều trị hen suyễn và viêm phổi mạn tính từ nguồn dược liệu bản địa Việt Nam.