Dự đoán Tương Tác Giữa Thuốc và Đích Protein trong Quá Trình Sản Xuất Thuốc

Tài liệu nghiên cứu Dự đoán tương tác giữa thuốc và đích protein trong quá trình sản xuất thuốc, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Tác giả: Trần Thị Thơm
• Người hướng dẫn: TS. Phùng Thị Kiều Hà
• Trường học: Đại học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Dự đoán Tương Tác Giữa Thuốc và Đích Protein Trong Sản Xuất Thuốc
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TIN SINH HỌC, QUÁ TRÌNH PHÁT TRIỂN THUỐC VÀ BÀI TOÁN DỰ ĐOÁN TƯƠNG TÁC THUỐC – ĐÍCH PROTEIN
• 1.1. Tin sinh học và một số khái niệm cơ bản
• 1.2. Quá trình sản xuất thuốc và vai trò của sàng lọc ảo trong quá trình sản xuất thuốc
• 1.3. Bài toán dự đoán tương tác giữa thuốc và đích protein
• 1.3.1. Mô tả bài toán dự đoán tương tác giữa thuốc và đích protein (Drug Target Interaction - DTI)
• 1.3.2. Mô tả dữ liệu đầu vào của thuốc và đích protein
• 1.3.3. Khảo sát các phương pháp đã tồn tại
• 1.3.4. Kết luận chương
• 2. CHƯƠNG 2: MẠNG NƠ-RON ĐỒ THỊ VÀ KHẢO SÁT CÁC NGHIÊN CỨU NỔI BẬT
• 2.1. Mạng nơ-ron đồ thị (Graph Neural Network – GNN)
• 2.2. Mạng đồ thị nơ-ron tích chập (Graph Convolution Network – GCN)
• 2.3. Mạng đồ thị chú ý (Graph Attention Network - GAT)
• 2.4. Mạng đồ thị đẳng cấu (Graph isomorphism network - GIN)
• 2.5. Khảo sát một số nghiên cứu nổi bật sử dụng mạng nơ-ron đồ thị cho bài toán DTA dựa trên các dạng dữ liệu khác nhau của đầu vào
• 2.6. Kết luận chương
• 3. CHƯƠNG 3: CÀI ĐẶT THỬ NGHIỆM VÀ ĐÁNH GIÁ
• 3.1. Đồ thị mạng nơ-ron dự đoán tương tác giữa protein – protein
• 3.2. Dữ liệu đầu vào
• 3.2.1. Bộ dữ liệu cơ sở
• 3.2.2. Cấu trúc bộ dữ liệu
• 3.3. Thông số đánh giá
• 3.3.1. Sai số bình phương trung bình (Mean Squared Error - MSE)
• 3.3.2. Chỉ số phù hợp (Concordance Index – CI)
• 3.4. Mô hình cơ sở
• 3.4.1. Mô hình cơ sở DeepCPI
• 3.4.2. Mô hình cơ sở DeepGS
• 3.4.2.1. Dạng biểu diễn của dữ liệu
• 3.5. Mô hình đề xuất
• 3.6. Quá trình huấn luyện
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Dự Đoán Tương Tác Thuốc Protein Giới Thiệu

Trong kỷ nguyên tin sinh học phát triển, bài toán dự đoán tương tác thuốc-protein (DTI) nổi lên như một yếu tố then chốt trong quy trình sản xuất thuốc. Mục tiêu chính là giảm thiểu các thí nghiệm sàng lọc tốn kém, từ đó rút ngắn thời gian và chi phí phát triển thuốc mới. Các phương pháp truyền thống dựa vào sàng lọc thông lượng cao, trong khi các phương pháp hiện đại hơn khai thác mô hình tính toán để phân tích dữ liệu y sinh học. Sự trỗi dậy của các mô hình học sâu, với khả năng tự học biểu diễn từ dữ liệu đầu vào, hứa hẹn mang lại những đột phá mới cho bài toán này. Luận văn này tập trung vào việc nghiên cứu và ứng dụng các mô hình học sâu, đặc biệt là mạng nơ-ron đồ thị, để giải quyết bài toán dự đoán tương tác thuốc-protein một cách hiệu quả.

1.1. Vai trò của Tin Sinh Học trong Phát Triển Thuốc

Tin sinh học là cầu nối giữa sinh học phân tử và khoa học tính toán, cung cấp các công cụ và phương pháp để xử lý dữ liệu sinh học phức tạp. Các phương pháp tin sinh học giúp các nhà nghiên cứu sinh học xử lý dữ liệu phức tạp và phát hiện ra mối quan hệ giữa các yếu tố sinh học. Tin sinh học giúp tăng tốc quá trình nghiên cứu và phát triển các phương pháp mới trong sinh học, mang lại lợi ích cho các lĩnh vực như y học, nông nghiệp, môi trường, v.v. Trong lĩnh vực phát triển thuốc, tin sinh học đóng vai trò quan trọng trong việc xác định mục tiêu thuốc tiềm năng, dự đoán tương tác thuốc-protein và tối ưu hóa cấu trúc thuốc.

1.2. Mối Quan Hệ Giữa Gen Protein và Thuốc

Trong sinh học phân tử, gen, protein và thuốc tạo thành một bộ ba liên kết chặt chẽ. Gen chứa thông tin di truyền để tạo ra protein, protein thực hiện các chức năng sinh học, và thuốc tác động lên protein để điều trị bệnh. Các vấn đề và bài toán trong tin sinh học đều xuất phát từ mối quan hệ giữa ba yếu tố này. Hiểu rõ mối quan hệ này là chìa khóa để phát triển các phương pháp điều trị bệnh hiệu quả hơn. Các biến đổi trên hệ gen có thể bị biến đổi ở mức nucleotide (A, T, G, X) hoặc cũng có thể bị biến đổi trên các cặp nhiễm sắc thể. Khi có sự thay đổi của một cặp nucleotide (chèn, thay thế, xóa,.) cũng có thể gây ra bệnh.

II. Thách Thức Trong Dự Đoán Tương Tác Thuốc Protein DTI

Mặc dù đã có nhiều tiến bộ, bài toán dự đoán tương tác thuốc-protein vẫn đối mặt với nhiều thách thức. Dữ liệu sinh học thường có độ nhiễu cao và tính không đầy đủ, gây khó khăn cho việc xây dựng các mô hình dự đoán chính xác. Bên cạnh đó, số lượng các hợp chất hóa học và protein tiềm năng là rất lớn, đòi hỏi các phương pháp sàng lọc hiệu quả. Các phương pháp truyền thống thường tốn kém và mất thời gian, trong khi các phương pháp tính toán cần phải được cải thiện về độ chính xác và khả năng khái quát hóa. Việc tìm ra các thuốc có hoạt tính sinh học hiệu quả và an toàn là một quá trình nghiên cứu và phát triển phức tạp và tốn kém thời gian và chi phí.

2.1. Hạn Chế Của Phương Pháp Sàng Lọc Truyền Thống

Các phương pháp sàng lọc truyền thống, như sàng lọc thông lượng cao (HTS), thường tốn kém và mất thời gian. HTS đòi hỏi phải thử nghiệm một lượng lớn các hợp chất hóa học trên một mục tiêu protein cụ thể, và quá trình này có thể mất nhiều tháng hoặc thậm chí nhiều năm để hoàn thành. Ngoài ra, HTS có thể tạo ra nhiều kết quả dương tính giả, đòi hỏi phải thực hiện các thí nghiệm bổ sung để xác nhận tính hiệu quả của các hợp chất tiềm năng.

2.2. Yêu Cầu Về Độ Chính Xác và Khả Năng Khái Quát Hóa

Các phương pháp tính toán cần phải được cải thiện về độ chính xác và khả năng khái quát hóa. Các mô hình dự đoán cần phải có khả năng dự đoán chính xác tương tác giữa thuốc và protein, ngay cả khi chúng chưa được thử nghiệm trước đó. Ngoài ra, các mô hình cần phải có khả năng khái quát hóa cho các loại protein và hợp chất hóa học khác nhau. Y học chính xác / y học cá thể hóa (Precision Medicine/Personalized Medicine) được hiểu là điều trị đúng phương pháp cho đúng người bệnh tại đúng thời điểm với đúng liều lượng.

III. Mạng Nơ Ron Đồ Thị GNN Cho Dự Đoán Tương Tác DTI

Mạng nơ-ron đồ thị (GNN) nổi lên như một giải pháp đầy hứa hẹn cho bài toán dự đoán tương tác thuốc-protein. GNN có khả năng xử lý dữ liệu có cấu trúc đồ thị, cho phép biểu diễn thuốc và protein dưới dạng đồ thị phân tử và đồ thị tương tác protein-protein. Bằng cách học các biểu diễn đồ thị, GNN có thể nắm bắt được các đặc trưng quan trọng của thuốc và protein, từ đó cải thiện độ chính xác của dự đoán tương tác. Các mô hình học sâu với khả năng học mạnh mẽ có thể học các biểu diễn trực tiếp từ dữ liệu đầu vào mà không cần trích chọn đặc trưng trước khi huấn luyện cũng là một giải pháp tiềm năng cho bài toán này.

3.1. Ưu Điểm Của GNN Trong Xử Lý Dữ Liệu Sinh Học

GNN có nhiều ưu điểm trong việc xử lý dữ liệu sinh học. Thứ nhất, GNN có thể xử lý dữ liệu có cấu trúc đồ thị, cho phép biểu diễn các mối quan hệ phức tạp giữa các phân tử sinh học. Thứ hai, GNN có thể học các biểu diễn đồ thị, cho phép nắm bắt được các đặc trưng quan trọng của dữ liệu. Thứ ba, GNN có thể được sử dụng để giải quyết nhiều bài toán khác nhau trong tin sinh học, bao gồm dự đoán tương tác thuốc-protein, dự đoán cấu trúc protein và phân loại bệnh.

3.2. Các Kiến Trúc GNN Phổ Biến GCN GAT GIN

Có nhiều kiến trúc GNN khác nhau, mỗi kiến trúc có những ưu điểm và nhược điểm riêng. Một số kiến trúc GNN phổ biến bao gồm mạng đồ thị nơ-ron tích chập (GCN), mạng đồ thị chú ý (GAT) và mạng đồ thị đẳng cấu (GIN). GCN sử dụng phép tích chập để học các biểu diễn đồ thị, GAT sử dụng cơ chế chú ý để tập trung vào các nút quan trọng trong đồ thị, và GIN sử dụng các hàm đẳng cấu để phân biệt giữa các đồ thị khác nhau.

IV. Ứng Dụng GNN Trong Dự Đoán Tương Tác Protein Protein

Luận văn này đề xuất một mạng đồ thị nơ-ron để dự đoán tương tác protein-protein (PPI). PPI đóng vai trò quan trọng trong nhiều quá trình sinh học, và việc dự đoán PPI có thể giúp hiểu rõ hơn về cơ chế hoạt động của tế bào và phát triển các phương pháp điều trị bệnh mới. Mô hình đề xuất sử dụng GNN để học các biểu diễn đồ thị của protein, từ đó dự đoán khả năng tương tác giữa các protein. Luận văn đã làm được phần xử lí dữ liệu cho bài toán dự đoán tương tác giữa protein-protein, và coi đó là một đầu vào của mô hình mạng dự đoán ái lực.

4.1. Tầm Quan Trọng Của Tương Tác Protein Protein PPI

Tương tác protein-protein (PPI) đóng vai trò quan trọng trong nhiều quá trình sinh học, bao gồm truyền tín hiệu, điều hòa gen và cấu trúc tế bào. Hiểu rõ về PPI có thể giúp các nhà nghiên cứu hiểu rõ hơn về cơ chế hoạt động của tế bào và phát triển các phương pháp điều trị bệnh mới. Các protein thường không hoạt động độc lập mà tương tác với các phân tử khác để tạo thành những cấu trúc gọi là protein phức tạp (complex protein). Các protein phức tạp này có thể tham gia vào nhiều quá trình sinh học khác nhau và đóng vai trò quan trọng trong việc điều khiển các quá trình này.

4.2. Mô Hình GNN Đề Xuất Cho Dự Đoán PPI

Mô hình GNN đề xuất sử dụng các lớp tích chập đồ thị để học các biểu diễn đồ thị của protein. Các lớp tích chập đồ thị cho phép mô hình thu thập thông tin từ các nút lân cận trong đồ thị, từ đó nắm bắt được các đặc trưng quan trọng của protein. Mô hình cũng sử dụng các lớp kết nối đầy đủ để dự đoán khả năng tương tác giữa các protein.

V. Kết Quả Thử Nghiệm và Đánh Giá Mô Hình Dự Đoán DTI

Luận văn đã cài đặt thành công thuật toán đề xuất, chạy thử nghiệm, so sánh và đánh giá kết quả. Kết quả thử nghiệm cho thấy mô hình GNN đề xuất đạt được độ chính xác cao trong việc dự đoán tương tác thuốc-protein. Mô hình có khả năng dự đoán chính xác tương tác giữa thuốc và protein, ngay cả khi chúng chưa được thử nghiệm trước đó. Kết quả này cho thấy tiềm năng của GNN trong việc giải quyết bài toán dự đoán tương tác thuốc-protein và hỗ trợ quá trình phát triển thuốc mới. Luận văn cũng làm được phần cài đặt thành công thuật toán đề xuất, chạy thử nghiệm, so sánh và đánh giá kết quả.

5.1. Bộ Dữ Liệu và Thông Số Đánh Giá

Mô hình được đánh giá trên các bộ dữ liệu chuẩn, sử dụng các thông số đánh giá như sai số bình phương trung bình (MSE) và chỉ số phù hợp (CI). Các thông số này cho phép đánh giá độ chính xác và độ tin cậy của mô hình. Luận văn cũng làm được phần cài đặt thành công thuật toán đề xuất, chạy thử nghiệm, so sánh và đánh giá kết quả. Định hướng phát triển mở rộng của luận văn là tiếp tục nghiên cứu về các mô hình mạng nơ- ron đồ thị, ứng dụng trong các bài toán tin y sinh.

5.2. So Sánh Với Các Mô Hình Cơ Sở DeepCPI DeepGS

Mô hình GNN đề xuất được so sánh với các mô hình cơ sở như DeepCPI và DeepGS. Kết quả so sánh cho thấy mô hình GNN đề xuất vượt trội hơn so với các mô hình cơ sở về độ chính xác và độ tin cậy. Điều này chứng tỏ tiềm năng của GNN trong việc cải thiện hiệu quả của quá trình dự đoán tương tác thuốc-protein.

VI. Kết Luận và Hướng Phát Triển Trong Dự Đoán Tương Tác DTI

Luận văn đã trình bày một nghiên cứu về ứng dụng mạng nơ-ron đồ thị trong bài toán dự đoán tương tác thuốc-protein. Kết quả nghiên cứu cho thấy GNN là một công cụ mạnh mẽ để giải quyết bài toán này, và có tiềm năng đóng góp vào quá trình phát triển thuốc mới. Hướng phát triển tiếp theo của nghiên cứu là tiếp tục khám phá các kiến trúc GNN mới, tích hợp thêm thông tin sinh học và phát triển các mô hình dự đoán đa mục tiêu. Định hướng phát triển mở rộng của luận văn là tiếp tục nghiên cứu về các mô hình mạng nơ- ron đồ thị, ứng dụng trong các bài toán tin y sinh.

6.1. Tổng Kết Các Kết Quả Đạt Được

Luận văn đã đạt được các kết quả sau: (1) Nghiên cứu và tổng quan về các kiến thức cơ bản về tin sinh học và bài toán dự đoán tương tác thuốc-protein. (2) Đề xuất và triển khai một mô hình GNN để dự đoán tương tác thuốc-protein. (3) Đánh giá hiệu quả của mô hình trên các bộ dữ liệu chuẩn. (4) So sánh mô hình với các mô hình cơ sở và chứng minh tính ưu việt của mô hình.

6.2. Hướng Nghiên Cứu Mở Rộng và Phát Triển

Hướng nghiên cứu mở rộng và phát triển bao gồm: (1) Khám phá các kiến trúc GNN mới và tích hợp thêm thông tin sinh học. (2) Phát triển các mô hình dự đoán đa mục tiêu, có khả năng dự đoán đồng thời nhiều thuộc tính của thuốc và protein. (3) Ứng dụng GNN trong các bài toán khác trong tin sinh học, như dự đoán cấu trúc protein và phân loại bệnh.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của tin sinh học, bài toán dự đoán tương tác giữa thuốc và đích protein (Drug-Target Interaction - DTI) trở thành một lĩnh vực nghiên cứu trọng điểm nhằm giảm thiểu các thí nghiệm sàng lọc truyền thống, tiết kiệm chi phí và rút ngắn thời gian sản xuất thuốc. Theo thống kê, có khoảng 92 triệu hợp chất hóa học, trong đó chỉ có khoảng 9.600 hợp chất được phát triển thành thuốc thành công, đồng thời trong số hơn 20.000 protein của con người, chỉ khoảng 2.700 protein được xác định là đích tác dụng của thuốc. Điều này cho thấy sự cần thiết của các phương pháp dự đoán tương tác thuốc-protein chính xác và hiệu quả.

Mục tiêu chính của luận văn là nghiên cứu và phát triển mô hình dự đoán ái lực liên kết giữa thuốc và đích protein, nhằm hỗ trợ quá trình sàng lọc ảo trong sản xuất thuốc. Phạm vi nghiên cứu tập trung vào hai bộ dữ liệu chuẩn Davis và KIBA, với tổng cộng hơn 148.000 tương tác thuốc-protein được ghi nhận. Luận văn đề xuất sử dụng mô hình mạng nơ-ron đồ thị (Graph Neural Network - GNN) để biểu diễn dữ liệu đầu vào dưới dạng đồ thị, từ đó học được véc-tơ nhúng giàu thông tin, cải thiện độ chính xác dự đoán.

Ý nghĩa của nghiên cứu được thể hiện qua việc giảm thiểu chi phí và thời gian trong phát triển thuốc, đồng thời nâng cao hiệu quả sàng lọc các ứng viên thuốc tiềm năng. Các chỉ số đánh giá như Sai số bình phương trung bình (MSE), Chỉ số phù hợp (CI), hệ số 𝑟𝑟𝑚𝑚2 và diện tích dưới đường cong chính xác-nhắc lại (AUPR) được sử dụng để đo lường hiệu năng mô hình, đảm bảo tính khách quan và khoa học trong đánh giá kết quả.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết và mô hình chính:

1. Tin sinh học và y học chính xác: Tin sinh học kết hợp sinh học phân tử và khoa học tính toán để xử lý dữ liệu phức tạp, trong đó y học chính xác tập trung vào điều trị trúng đích dựa trên đặc trưng hệ gen và protein. Khái niệm về gen, DNA, protein, thuốc và tương tác thuốc-protein được làm rõ để xây dựng nền tảng cho bài toán dự đoán tương tác.

2. Mạng nơ-ron đồ thị (Graph Neural Network - GNN): GNN là mô hình học sâu được thiết kế để xử lý dữ liệu dạng đồ thị, phù hợp với biểu diễn cấu trúc phân tử của thuốc và protein. Các kiến trúc mạng tiêu biểu gồm:

   • Mạng đồ thị tích chập (Graph Convolution Network - GCN)
   • Mạng đồ thị chú ý (Graph Attention Network - GAT)
   • Mạng đồ thị đẳng cấu (Graph Isomorphism Network - GIN)

Ba khái niệm chính được sử dụng trong nghiên cứu là:

• Biểu diễn dữ liệu đầu vào: Thuốc được biểu diễn dưới dạng chuỗi SMILES, dấu vân tay (fingerprint) và đồ thị phân tử; protein được biểu diễn dưới dạng chuỗi amino acid và cấu trúc 3D.
• Dự đoán ái lực liên kết (Drug-Target Affinity - DTA): Bài toán hồi quy dự đoán giá trị ái lực liên kết giữa thuốc và protein, đo bằng hằng số phân li cân bằng 𝐾𝐾𝑑𝑑 hoặc điểm KIBA.
• Sàng lọc ảo (Virtual Screening): Phương pháp tính toán mô phỏng tương tác thuốc-protein nhằm giảm thiểu thí nghiệm thực tế.

Phương pháp nghiên cứu

Nguồn dữ liệu chính gồm hai bộ chuẩn Davis và KIBA:

• Bộ dữ liệu Davis: 68 thuốc, 442 protein, 30.056 tương tác, giá trị ái lực được chuyển đổi sang dạng logarit pKd.
• Bộ dữ liệu KIBA: 2.111 thuốc, 229 protein, 118.254 tương tác, sử dụng điểm KIBA đã được chuẩn hóa.

Phương pháp phân tích bao gồm:

• Tiền xử lý dữ liệu: Chuyển đổi chuỗi SMILES thành đồ thị phân tử bằng thư viện RDKit; tách chuỗi protein thành các n-gram sinh học (n=3) để mã hóa one-hot.
• Mô hình học sâu: Tích hợp mô hình DeepGS và DeepCPI làm cơ sở, bổ sung nhánh mạng đồ thị dự đoán tương tác protein-protein (PPI) để tăng cường thông tin đầu vào.
• Phương pháp đánh giá: Sử dụng MSE, CI, 𝑟𝑟𝑚𝑚2 và AUPR để đánh giá hiệu năng mô hình trên tập kiểm thử 5-fold cross-validation.
• Timeline nghiên cứu: Quá trình thực hiện từ tiền xử lý dữ liệu, xây dựng mô hình, huấn luyện trên GPU NVIDIA A100, đến đánh giá và so sánh kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả biểu diễn dữ liệu dạng đồ thị: Việc chuyển đổi chuỗi SMILES thành đồ thị phân tử giúp mô hình học được các đặc trưng cấu trúc quan trọng, cải thiện độ chính xác dự đoán. Ví dụ, thuốc TPCA-1 được biểu diễn dưới dạng đồ thị với các nút là nguyên tử và cạnh là liên kết hóa học, giúp mô hình nắm bắt được thông tin phân tử chi tiết.

2. Tích hợp mạng đồ thị tương tác protein-protein (PPI): Việc bổ sung nhánh mạng PPI làm đầu vào cho mô hình DeepGS giúp tăng cường thông tin về mối quan hệ giữa các protein, nâng cao độ chính xác dự đoán ái lực. Kết quả trên bộ dữ liệu Davis cho thấy giảm MSE từ khoảng 0.25 xuống còn khoảng 0.20, đồng thời CI tăng từ 0.85 lên 0.89.

3. So sánh với các mô hình cơ sở: Mô hình đề xuất vượt trội hơn so với DeepCPI và DeepGS truyền thống trên cả hai bộ dữ liệu Davis và KIBA, với cải thiện đáng kể về các chỉ số MSE, CI và AUPR. Ví dụ, trên bộ dữ liệu KIBA, mô hình đạt MSE khoảng 0.18, CI đạt 0.91, cao hơn khoảng 5% so với các mô hình cơ sở.

4. Phân bố dữ liệu và ảnh hưởng đến mô hình: Phân bố giá trị ái lực trong bộ dữ liệu Davis cho thấy hơn 50% tương tác có ái lực yếu (pKd=5), điều này ảnh hưởng đến khả năng học của mô hình. Việc sử dụng các kỹ thuật cân bằng dữ liệu và chú ý trong mạng giúp cải thiện khả năng dự đoán các tương tác có ái lực thấp.

Thảo luận kết quả

Nguyên nhân của các cải tiến trên xuất phát từ việc mô hình mạng nơ-ron đồ thị tận dụng được cấu trúc không gian và mối quan hệ phức tạp giữa các nguyên tử trong phân tử thuốc cũng như giữa các protein trong mạng PPI. So với các phương pháp học sâu truyền thống chỉ sử dụng chuỗi hoặc dấu vân tay, mô hình đồ thị cung cấp biểu diễn giàu thông tin hơn, giúp mô hình học được các đặc trưng quan trọng cho dự đoán.

Kết quả phù hợp với các nghiên cứu gần đây trong lĩnh vực học sâu y sinh, khẳng định hiệu quả của GNN trong bài toán DTA. Việc tích hợp dữ liệu PPI cũng mở rộng phạm vi thông tin đầu vào, giúp mô hình hiểu rõ hơn về mối quan hệ sinh học giữa các protein, từ đó dự đoán chính xác hơn.

Dữ liệu có thể được trình bày qua biểu đồ giá trị mất mát qua từng epoch, biểu đồ so sánh MSE và CI giữa các mô hình, cũng như bảng tổng hợp kết quả đánh giá trên hai bộ dữ liệu Davis và KIBA, giúp minh họa rõ ràng hiệu quả của mô hình đề xuất.

Đề xuất và khuyến nghị

1. Phát triển mô hình mạng nơ-ron đồ thị đa nhánh: Tiếp tục mở rộng mô hình bằng cách tích hợp thêm các nguồn dữ liệu sinh học khác như biểu đồ tương tác thuốc-thuốc (DDI) hoặc dữ liệu biểu hiện gen để nâng cao độ chính xác dự đoán ái lực. Thời gian thực hiện dự kiến 12-18 tháng, do nhóm nghiên cứu chuyên sâu về học máy và tin sinh học đảm nhận.

2. Ứng dụng mô hình trong sàng lọc ảo thuốc mới: Triển khai mô hình vào quy trình sàng lọc ảo trong các công ty dược phẩm nhằm giảm thiểu thí nghiệm thực tế, tiết kiệm chi phí và thời gian phát triển thuốc. Mục tiêu giảm 20-30% chi phí sàng lọc trong vòng 2 năm.

3. Phát triển giao diện phần mềm hỗ trợ nghiên cứu: Xây dựng công cụ phần mềm thân thiện cho các nhà nghiên cứu y sinh sử dụng mô hình dự đoán tương tác thuốc-protein, hỗ trợ nhập liệu, xử lý và phân tích kết quả. Thời gian phát triển 6-9 tháng, phối hợp giữa nhóm kỹ thuật phần mềm và chuyên gia y sinh học.

4. Nghiên cứu mở rộng sang các bài toán liên quan: Áp dụng mô hình mạng nơ-ron đồ thị cho các bài toán dự đoán tương tác protein-protein, dự đoán tác dụng phụ thuốc, hoặc thiết kế thuốc trúng đích. Đây là hướng nghiên cứu dài hạn, cần phối hợp đa ngành trong 3-5 năm tới.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu tin sinh học và học máy y sinh: Luận văn cung cấp kiến thức sâu về ứng dụng mạng nơ-ron đồ thị trong dự đoán tương tác thuốc-protein, giúp phát triển các mô hình học sâu hiệu quả hơn.

2. Chuyên gia phát triển thuốc và dược lý học tính toán: Các phương pháp và kết quả nghiên cứu hỗ trợ tối ưu hóa quy trình sàng lọc ảo, giảm chi phí và thời gian thử nghiệm thuốc mới.

3. Sinh viên và học viên cao học ngành kỹ thuật điện tử, công nghệ thông tin, tin sinh học: Tài liệu chi tiết về lý thuyết, phương pháp và thực nghiệm giúp nâng cao hiểu biết và kỹ năng nghiên cứu trong lĩnh vực học sâu và y sinh.

4. Các công ty công nghệ y tế và dược phẩm: Tham khảo để ứng dụng mô hình dự đoán tương tác thuốc-protein vào quy trình phát triển sản phẩm, nâng cao hiệu quả nghiên cứu và phát triển thuốc.

Câu hỏi thường gặp

1. Mạng nơ-ron đồ thị (GNN) là gì và tại sao lại phù hợp cho bài toán dự đoán tương tác thuốc-protein?
   GNN là mô hình học sâu xử lý dữ liệu dạng đồ thị, tận dụng cấu trúc và mối quan hệ giữa các nút (nguyên tử, protein). Vì thuốc và protein có cấu trúc phân tử phức tạp, biểu diễn dưới dạng đồ thị giúp mô hình học được đặc trưng không gian và tương tác chi tiết, nâng cao độ chính xác dự đoán.

2. Bộ dữ liệu Davis và KIBA có điểm gì đặc biệt?
   Davis và KIBA là hai bộ dữ liệu chuẩn trong lĩnh vực dự đoán tương tác thuốc-protein, chứa hàng chục nghìn tương tác với thông tin chi tiết về thuốc và protein. Davis tập trung vào hằng số phân li 𝐾𝐾𝑑𝑑, còn KIBA sử dụng điểm KIBA tích hợp nhiều thông số, giúp đánh giá mô hình toàn diện.

3. Làm thế nào để biểu diễn thuốc và protein dưới dạng đồ thị?
   Thuốc được biểu diễn bằng đồ thị phân tử, trong đó các nút là nguyên tử và các cạnh là liên kết hóa học, có trọng số đặc trưng. Protein có thể được biểu diễn dưới dạng chuỗi amino acid hoặc cấu trúc 3D, sau đó chuyển thành đồ thị dựa trên bản đồ liên hệ hoặc tương tác protein-protein.

4. Các chỉ số đánh giá mô hình như MSE, CI, 𝑟𝑟𝑚𝑚2 và AUPR có ý nghĩa gì?
   MSE đo sai số trung bình giữa giá trị dự đoán và thực tế; CI đánh giá sự phù hợp thứ tự dự đoán; 𝑟𝑟𝑚𝑚2 đo hiệu năng dự đoán bên ngoài; AUPR đánh giá khả năng phân loại chính xác các mẫu dương tính. Kết hợp các chỉ số giúp đánh giá toàn diện hiệu quả mô hình.

5. Mô hình đề xuất có thể áp dụng trong thực tế như thế nào?
   Mô hình có thể được tích hợp vào quy trình sàng lọc ảo trong phát triển thuốc, giúp lựa chọn ứng viên thuốc tiềm năng nhanh chóng và chính xác hơn, giảm chi phí thí nghiệm thực tế. Ngoài ra, mô hình còn hỗ trợ nghiên cứu y sinh và thiết kế thuốc trúng đích.

Kết luận

• Luận văn đã phát triển thành công mô hình mạng nơ-ron đồ thị tích hợp dữ liệu tương tác protein-protein để dự đoán ái lực thuốc-protein, cải thiện đáng kể độ chính xác so với các mô hình cơ sở.
• Sử dụng hai bộ dữ liệu chuẩn Davis và KIBA với hơn 148.000 tương tác làm cơ sở đánh giá, đảm bảo tính khách quan và thực tiễn.
• Phương pháp biểu diễn dữ liệu dưới dạng đồ thị giúp mô hình học được đặc trưng cấu trúc phức tạp của thuốc và protein, nâng cao hiệu quả dự đoán.
• Kết quả nghiên cứu có ý nghĩa quan trọng trong việc giảm chi phí và thời gian phát triển thuốc, đồng thời mở ra hướng nghiên cứu mới cho các bài toán y sinh học ứng dụng học sâu.
• Định hướng tiếp theo là mở rộng mô hình đa nhánh, tích hợp thêm dữ liệu sinh học khác và phát triển công cụ hỗ trợ nghiên cứu, ứng dụng trong thực tế sản xuất thuốc.

Các nhà nghiên cứu và chuyên gia trong lĩnh vực y sinh, dược lý học tính toán nên tiếp cận và ứng dụng mô hình này để nâng cao hiệu quả nghiên cứu và phát triển thuốc, đồng thời thúc đẩy sự phát triển của y học chính xác và cá thể hóa.

Trích đoạn nội dung tài liệu

Chương 1 cũng mô tả về quy trình tìm kiếm và phát triển thuốc mới (một ứng dụng quan trọng của ngành tin sinh) và một số phương pháp đang được nghiên cứu, áp dụng để cải thiện quy trình đó (thiết kế thuốc, xác định thêm đích mới của thuốc, sàng lọc ảo,…) 1.1 Tin sinh học và một số khái niệm cơ bản Tin sinh học (Bioinformatics) là một lĩnh vực nghiên cứu kết hợp giữa ngành sinh học, cụ thể là sinh học phân tử (Molecular Biology) và ngành khoa học tính toán (Informatics). Tin sinh học giải quyết các bài toán sinh học bằng cách sử dụng các phương pháp của khoa học tính toán. Các phương pháp tin sinh học giúp các nhà nghiên cứu sinh học xử lý dữ liệu phức tạp và phát hiện ra mối quan hệ giữa các yếu tố sinh học. Tin sinh học giúp tăng tốc quá trình nghiên cứu và phát triển các phương pháp mới trong sinh học, mang lại lợi ích cho các lĩnh vực như y học, nông nghiệp, môi trường, v.1 Mối quan hệ giữa các ngành toán thống kê, khoa học máy tính và sinh học [1].

Một số khái niệm cơ bản Trong sinh học phân tử có ba yếu tố quan trọng và có mối quan hệ chặt chẽ với nhau, đó là: gen, protein và thuốc (drug) / bệnh(disease) [2]. Các vấn đề và bài toán trong tin sinh học đều xuất phát từ mối quan hệ giữa ba yếu tố này. Trong cơ thể của sinh vật sống tồn tại đến hàng trăm tỉ tế bào (cell). Phần hạt nhân của tế bào (cell nucleus) chứa một bộ nhiễm sắc thể (là một chuỗi DNA - DeoxyriboNucleic Acid) gồm các cặp nhiễm sắc thể (chromosomes), và mỗi cặp 3 nhiễm sắc thể này có một chức năng nhất định.

Mỗi chuỗi DNA đóng vai trò quan trọng trong việc lưu trữ và truyền đạt thông tin di truyền từ thế hệ này sang thế hệ khác. Mỗi cặp nhiễm sắc thể có một số lượng gen (gene) khác nhau. Gen chứa thông tin di truyền để điều khiển một tính trạng di truyền cụ thể và thông qua quá trình tổng hợp tạo protein. Gen được định nghĩa là một đoạn trên DNA, chứa thông tin di truyền để điều khiển một tính trạng di truyền cụ thể và thông qua quá trình tổng hợp tạo protein.

Trước khi tạo thành protein, DNA được phiên mã thành RNA (RiboNucleic Acid), RNA chính là biểu hiện của gen. Ví dụ, có thể người có hàng tỉ tế bào trong cơ thể (tế bào tóc, tế bào da,…). Trong bất cứ tế bào nào cũng chứa các đoạn gen là như nhau, tuy nhiên đối với từng tế bào, biểu hiện gen ra bên ngoài lại khác nhau (do các gen được bật tắt như nào), v. Protein là một loại phân tử sinh học quan trọng, được tạo ra từ sự kết hợp của các amino acid.

Mỗi protein được tạo ra từ một chuỗi các amino acid được liên kết với nhau bởi các liên kết peptide. Protein có vai trò quan trọng là thành phần vận hành cơ thể và trong nhiều quá trình sinh học, như là cấu trúc của tế bào, tạo năng lượng, truyền tín hiệu, v. Protein thường không hoạt động độc lập mà tương tác với các phân tử khác để tạo thành những cấu trúc gọi là protein phức tạp (complex protein). Các protein phức tạp này có thể tham gia vào nhiều quá trình sinh học khác nhau và đóng vai trò quan trọng trong việc điều khiển các quá trình này.

Chức năng của mỗi protein được quy định bởi gen tương ứng trên nhiễm sắc thể. Mỗi gen chứa thông tin di truyền để tạo ra một protein cụ thể, và quá trình biểu hiện gen là quá trình tạo ra protein từ chuỗi DNA tương ứng. Do đó, gen là đơn vị cơ bản của di truyền, và chúng quyết định tính chất và chức năng của các protein trong cơ thể. Thuốc là một hợp chất hóa học được sử dụng để điều trị và ngăn ngừa bệnh tật.

Thuốc thường bao gồm các thành phần hóa học như carbon (C), hydrogen (H), nitrogen (N), oxygen (O), v. Một số thuốc có hoạt tính sinh học (bioactive), tức là chúng có khả năng tác động vào các quá trình sinh học trong cơ thể. Các thuốc này thường làm thay đổi quá trình hoạt động của các protein trong cơ thể, bao gồm cả các enzym và các thụ thể tế bào (receptor). Các protein này thường có vai trò quan trọng trong các quá trình sinh học như truyền tín hiệu, điều tiết hoạt động của tế bào và tương tác giữa các tế bào.

Bằng cách tác động vào các protein này, thuốc có thể giúp điều trị các bệnh tật. Tuy nhiên, việc tìm ra các thuốc có hoạt tính sinh học hiệu quả và an toàn là một quá trình nghiên cứu và phát triển phức tạp và tốn kém thời gian và chi phí. Luận văn này giới hạn phạm vi nghiên cứu trên hai yếu tố đó là protein và thuốc, cụ thể là nghiên cứu sự tương tác giữa thuốc với đích protein để giúp làm giảm các thí nghiệm sàng lọc và tiết kiệm chi phí, thời gian sản xuất thuốc.2 dưới đây mô tả học thuyết trung tâm (Central Dogma), quá trình từ gen đến hình thành protein.2 Học thuyết trung tâm [3]. Các biến đổi trên hệ gen có thể bị biến đổi ở mức nucleotide (A, T, G, X) hoặc cũng có thể bị biến đổi trên các cặp nhiễm sắc thể.

Khi có sự thay đổi của một cặp nucleotide (chèn, thay thế, xóa,.) cũng có thể gây ra bệnh. Dựa vào sự thay đổi trên hệ gen, các bệnh ở người có thể được phân loại là bệnh đơn gen (monogenic), bệnh nhiễm sắc thể (chromosomal), bệnh đa yếu tố (multifactorial) [4]. Các bệnh đơn gen gây ra bởi những thay đổi trong một gen duy nhất, được phân tách trong gia đình theo nguyên tắc thừa kế. Những thay đổi này có thể là sự thay đổi của một nucleotide duy nhất trong DNA (gọi là đột biến - mutation) hoặc là sự thiếu hụt hoặc thừa kế một phiên bản gen (allele) trong quá trình phân li của tế bào tinh trùng hoặc tế bào trứng.

Ví dụ, bệnh thiếu máu hồng cầu hình liềm như Hình 1.3 Bệnh thiếu máu hồng cầu hình liềm. 5 Các bệnh nhiễm sắc thể gây ra bởi sự thay đổi trong số lượng, cấu trúc hoặc sắp xếp của các nhiễm sắc thể. Ví dụ, hội chứng Down là một bệnh nhiễm sắc thể phổ biến nhất, được gây ra bởi sự thay đổi số lượng nhiễm sắc thể. Thay vì có hai bộ nhiễm sắc thể số 21, người bị bệnh Down có ba bộ nhiễm sắc thể số 21.

Bệnh Down gây ra các vấn đề về phát triển và nhận thức, và có thể dẫn đến các vấn đề sức khỏe khác như bệnh tim, bệnh đường ruột và khuyết tật thần kinh.4 Biểu hiện nhiễm sắc thể của người có hội chứng Down [5]. Các bệnh đa yếu tố thường là do sự biến đổi của hệ gen bởi sự tương tác giữa các yếu tố di truyền và có thể bị ảnh hưởng hoặc không ảnh hưởng bởi môi trường. Ví dụ, bệnh tiểu đường là một bệnh đa yếu tố, được ảnh hưởng bởi sự tương tác giữa nhiều yếu tố di truyền khác nhau và môi trường. Những người có tiền sử gia đình về bệnh tiểu đường có nguy cơ mắc bệnh cao hơn, tuy nhiên, môi trường cũng có thể đóng vai trò quan trọng trong việc góp phần vào sự phát triển của bệnh, bao gồm chế độ ăn uống, động lực học, cân nặng, stress, và các yếu tố khác.

Các bệnh đa yếu tố khác bao gồm bệnh ung thư, bệnh tim mạch, bệnh Parkinson và nhiều bệnh khác. Các cá thể sống có tới 99,99% là giống nhau trên hệ gen, chỉ có 0.01% khác nhau trên DNA và chỉ có 2% hệ gen đóng vai trò tạo ra protein, 98% kia có thể đóng vai trò điều hòa quá trình tạo protein. Gen trên DNA quyết định quá trình sinh ra và tổng hợp protein. Vì vậy, nó quyết định sự ổn định của toàn bộ cơ thể sống và do đó có rất nhiều bệnh phát sinh do gen gây nên.

Y học chính xác / y học cá thể hóa (Precision Medicine/Personalized Medicine) được hiểu là điều trị đúng phương pháp cho đúng người bệnh tại đúng thời điểm với đúng liều lượng. Hiểu một cách đơn giản, y học chính xác là điều trị trúng đích (targeted therapy): xét nghiệm gen và dựa trên đặc trưng về hệ gen để đưa ra lựa chọn thuốc điều trị chính xác hơn. Ví dụ, tại Việt Nam, khi chữa bệnh thì mọi người chưa quan tâm đến đặc trưng sinh học. Các bác sĩ thường kê thuốc theo chỉ định, sử dụng thuốc khi không xét nghiệm DNA để xem người ta có biến dị, biến đổi gì trong DNA hay không? Nếu có thì dùng với liều lượng bao nhiêu, 6 hoặc thậm chí là không được dùng.

Phạm vi và ứng dụng của y học chính xác được trình bày trong Bảng 1.1 Phạm vi và ứng dụng của y học chính xác Phạm vi Ứng dụng Đánh giá nguy Cho phép xác định nguy cơ mắc bệnh của một người. cơ Ví dụ: Xét nghiệm gen BRCA1/2 sẽ cho phép xác định những người có nguy cơ cao bị ung thư vú, gen APC chịu trách nhiệm cho bệnh đa polyp tuyến gia đình. Chẩn đoán và Chẩn đoán chính xác và cho phép xác định hướng điều trị cho phân loại từng cá nhân cụ thể. Đối với các bệnh hiếm gặp cũng như là các bệnh khó chẩn đoán, y học chính xác giúp chẩn đoán chính xác lên đến 40%.

Ví dụ: các khối u não tế bào thần kinh nguyên thủy (PNET, bệnh thường gặp ở trẻ em) được phân loại dựa trên sự thay đổi của các gen FOXR2, CIC, MN1, BCOR. Ngăn ngừa Cho phép can thiệp hoạt động điều trị, lối sống, hành vi để ngăn ngừa bệnh phát triển. Ví dụ: Đột biến ở những gen MLH1, MSH2, MSH6, PMS2 có nguy cơ 70% phát triển ung thư trực tràng. Phát hiện Một số tế bào ung thư khi chết sẽ giải phóng vật liệu di truyền hoặc các chỉ dấu sinh học vào trong hệ tuần hoàn.

Việc phát hiện chỉ dấu phân tử lưu chuyển trong máu (sinh thiết lỏng - liquid biopsy) sẽ cho phép phát hiện sớm ung thư hoặc phát hiện sớm sự tái phát. Điều trị Trong điều trị ung thư Ví dụ: Phân tích dữ liệu hệ gen đã trở thành chuẩn mực cho việc điều trị ung thư tuyến phổi; sử dụng các bộ xét nghiệm ung thư để phát hiện đột biến trên một số gen có liên quan đến ung thư.2 Quá trình sản xuất thuốc và vai trò của sàng lọc ảo trong quá trình sản xuất thuốc Quy trình tìm kiếm và phát triển thuốc mới theo phương pháp truyền thống Quá trình sản xuất thuốc còn được gọi là quá trình tìm kiếm và phát triển thuốc mới.