I. Giới thiệu về RNA và Cấu trúc Bậc hai
Ribonucleic Acid (RNA) là một phân tử sinh học quan trọng đóng vai trò thiết yếu trong các quá trình sống của sinh vật. Khác với DNA, RNA có cấu trúc đơi mạch và các chức năng đa dạng như chuyên chở thông tin di truyền, xúc tác các phản ứng hóa học và điều hòa biểu hiện gen. Cấu trúc bậc hai RNA được hình thành bởi các liên kết hydro giữa các nucleotide, tạo nên các hình thành cơ bản như vòng lông tóc (hairpin loops), vòng trong (internal loops) và các cấu trúc đa nhánh phức tạp. Việc hiểu rõ cấu trúc bậc hai RNA là chìa khóa để nắm bắt chức năng sinh học của nó. Các phương pháp dự đoán cấu trúc truyền thống gặp hạn chế về độ chính xác và khả năng xử lý các chuỗi RNA dài. Do đó, tính toán mềm đã trở thành một công cụ hữu ích và hiệu quả trong lĩnh vực này.
1.1. Khái niệm cơ bản về RNA
RNA là macromolecule được tạo thành từ các nucleotide chứa ribose, phosphate và các base nitơ. Chuỗi RNA có thể gập gọn lại tự tạo thành các cấu trúc không gian phức tạp. Các loại RNA như mRNA, tRNA, rRNA có các chức năng khác nhau trong tế bào nhưng đều liên quan đến quá trình biểu hiện gen và tổng hợp protein.
1.2. Tầm quan trọng của dự đoán cấu trúc
Dự đoán chính xác cấu trúc bậc hai RNA giúp xác định chức năng của RNA, thiết kế thuốc mới và hiểu rõ hơn các cơ chế bệnh lý. Phương pháp tính toán cung cấp giải pháp nhanh chóng và tiết kiệm chi phí so với các phương pháp thực nghiệm truyền thống như X-ray crystallography hay NMR.
II. Tính toán Mềm và Các Kỹ Thuật Cơ Bản
Tính toán mềm (Soft Computing) là một tập hợp các kỹ thuật tính toán được lấy cảm hứng từ tự nhiên, có khả năng xử lý thông tin không chắc chắn, không chính xác và phức tạp. Các kỹ thuật chính bao gồm Thuật toán Di truyền (GA), Logic mờ (Fuzzy Logic) và Mạng nơ-ron nhân tạo (ANN). Thuật toán Di truyền mô phỏng quá trình tiến hóa tự nhiên để tìm kiếm giải pháp tối ưu cho các bài toán phức tạp. Logic mờ cho phép xử lý các khái niệm mơ hồ và không chính xác, giúp hệ thống có khả năng suy luận gần gũi với cách suy nghĩ của con người. Mạng nơ-ron nhân tạo, đặc biệt là LSTM (Long Short-Term Memory), có khả năng học các mẫu phức tạp từ dữ liệu lớn, rất phù hợp cho bài toán dự đoán cấu trúc RNA.
2.1. Thuật toán Di truyền GA
GA hoạt động dựa trên các cơ chế chọn lọc tự nhiên, đột biến và di truyền. Nó bắt đầu với một quần thể ngẫu nhiên các giải pháp ứng viên (chromosome) và dần dần cải thiện chúng qua các thế hệ. Mỗi cá thể được đánh giá bằng hàm fitness, và các cá thể có fitness cao hơn có cơ hội sinh sản cao hơn, dẫn đến sự hội tụ về giải pháp tối ưu toàn cục.
2.2. Mạng nơ ron LSTM
LSTM là một biến thể của Recurrent Neural Networks (RNN) có khả năng nhớ dài hạn thông tin quan trọng. Nó sử dụng các cấu trúc cell được kiểm soát bằng các cổng (input gate, forget gate, output gate) để quyết định thông tin nào cần giữ lại. LSTM đặc biệt hiệu quả cho các chuỗi RNA dài, có thể học được các phụ thuộc dài kỳ giữa các nucleotide.
III. Phương Pháp Kết hợp trong Dự đoán Cấu trúc RNA
Luận án của Đoàn Duy Bình đề xuất ba phương pháp kết hợp chính để nâng cao hiệu suất dự đoán cấu trúc bậc hai RNA. Thứ nhất, kết hợp GA với Logic mờ cho phép tối ưu hóa các tham số fuzzy một cách động, cải thiện độ chính xác trong việc đánh giá năng lượng tự do. Thứ hai, kết hợp GA với Mạng LSTM kết hợp sức mạnh của tìm kiếm toàn cục từ GA với khả năng học mẫu phức tạp của LSTM. Phương pháp này tận dụng thuật toán di truyền để khám phá không gian giải pháp rộng lớn, trong khi LSTM điều chỉnh dự đoán dựa trên các mẫu chuỗi học được. Các tham số nhiệt động học như năng lượng tự do stack loop, hairpin loops và internal loops được tính toán chính xác hơn thông qua các phương pháp này.
3.1. Phương pháp GA kết hợp Logic mờ
Phương pháp này sử dụng GA để tối ưu hóa các hàm thành viên của Logic mờ, giúp hệ thống tự động điều chỉnh các ngưỡng và trọng số. GA tìm kiếm các tập fuzzy sets tối ưu nhất để đánh giá năng lượng cấu trúc RNA, từ đó cải thiện độ chính xác dự đoán. Kỹ thuật này đặc biệt hữu ích khi xử lý các vòng lặp phức tạp và cấu trúc không thông thường.
3.2. Phương pháp GA kết hợp LSTM
Hybrid model này kết hợp tìm kiếm toàn cục từ GA với học tập sâu của LSTM. GA khám phá không gian cấu trúc RNA tiềm năng, còn LSTM học các mối quan hệ phi tuyến giữa trình tự nucleotide và cấu trúc bậc hai. Phương pháp này cho kết quả dự đoán chính xác hơn, đặc biệt với các chuỗi RNA dài phức tạp.
IV. Kết quả Thực nghiệm và Ứng dụng Thực tế
Các kết quả thực nghiệm từ luận án cho thấy rằng các phương pháp kết hợp đều vượt trội so với các phương pháp đơn lẻ. Khi kiểm tra trên bộ dữ liệu RNA tiêu chuẩn, phương pháp GA-LSTM đạt độ chính xác cao nhất, đặc biệt ở các cấu trúc phức tạp như vòng lặp trong (internal loops) và vòng nhiều nhánh. Các tham số nhiệt động học được tính toán nhanh chóng và chính xác, giảm thiểu sai số tích lũy. Luận án cũng kiểm tra các phương pháp trên SARS-CoV-2 genome (88 bases), cho thấy khả năng ứng dụng trong tin sinh học và công nghệ sinh học. Các kết quả này mở ra hướng nghiên cứu mới cho dự đoán cấu trúc phân tử sinh học và có tiềm năng ứng dụng trong phát triển thuốc chống virus và liệu pháp gen.
4.1. Đánh giá hiệu suất các phương pháp
Phương pháp GA cho kết quả ổn định nhưng còn hạn chế trong độ chính xác. Phương pháp GA-Logic mờ cải thiện đáng kể, nhưng GA-LSTM cho kết quả tốt nhất với độ chính xác vượt 90% trên các bộ dữ liệu kiểm tra. Thời gian tính toán cũng tối ưu, phù hợp cho xử lý lô lớn các chuỗi RNA trong ứng dụng thực tế.
4.2. Triển khai và ứng dụng tương lai
Các phương pháp đề xuất có thể được tích hợp vào hệ thống dự đoán cấu trúc RNA tự động, hỗ trợ các nhà nghiên cứu trong tin sinh học và công nghệ sinh học. Ứng dụng trên SARS-CoV-2 chứng tỏ tính khả thi trong phân tích virus RNA. Tương lai, các phương pháp này có thể mở rộng cho dự đoán cấu trúc protein và thiết kế thuốc dựa trên cấu trúc.
