Giới thiệu dự án

Nghiên cứu phát triển thuốc mới theo phương pháp thực nghiệm truyền thống (in vitro và in vivo) là một quy trình kéo dài từ 10 đến 15 năm với chi phí trung bình ước tính từ 1 đến 2,6 tỷ USD cho mỗi phân tử thuốc được phê duyệt. Theo các thống kê từ ngành công nghiệp dược phẩm sinh học, tỷ lệ thất bại ở các giai đoạn tiền lâm sàng và lâm sàng muộn do độc tính hoặc hiệu lực kém lên tới hơn 90%. Để giải quyết nút thắt này, việc ứng dụng các công cụ tính toán và mô phỏng trên máy tính (in silico virtual screening) đang trở thành chiến lược chủ chốt giúp rút ngắn trung bình 0,8 năm nghiên cứu và tiết kiệm tới 130 triệu USD chi phí sàng lọc ban đầu.

Đồ án khóa luận "Sàng lọc các hợp chất tiềm năng có tác dụng ức chế Lyn kinase sử dụng mô hình QSAR, Docking phân tử và dự đoán ADMET" tập trung vào mục tiêu phân tử Tyrosine-protein kinase Lyn (Lyn kinase / LynK) — một thành viên thuộc họ Src kinase đóng vai trò điều hòa cốt lõi trong các con đường truyền tín hiệu nội bào MAPK/ERK và PI3K/Akt. Sự hoạt hóa quá mức của Lyn kinase liên quan trực tiếp đến sự tăng sinh mất kiểm soát của tế bào ung thư, đặc biệt là bệnh bạch cầu lympho mãn tính (CLL), và tương tác với các thụ thể EGFR, HER2, BCR-ABL. Đồng thời, Lyn kinase còn tham gia vào cơ chế bệnh sinh của bệnh thoái hóa thần kinh Alzheimer (AD) thông qua việc điều hòa chức năng phosphoryl hóa oxy hóa tại ty thể, thúc đẩy tích tụ mảng Amyloid-beta (Aβ) và hình thành đám rối sợi thần kinh do protein Tau siêu phosphoryl hóa.

Vấn đề cốt lõi đặt ra là các thuốc ức chế Lyn kinase thế hệ đầu như Dasatinib (IC50 = 8,5 nM) đang đối mặt với hiện tượng kháng thuốc do đột biến gen điểm trong túi gắn ATP, trong khi Bosutinib còn nhiều hạn chế về mặt dược động học. Việc tìm kiếm các hợp chất dẫn đường (lead compounds) mới có cấu trúc độc đáo, hoạt tính ức chế cao và hồ sơ an toàn sinh học tối ưu là yêu cầu cấp thiết.

Mục tiêu của dự án:

  1. Xây dựng và tối ưu hóa mô hình QSAR (Quantitative Structure-Activity Relationship) dựa trên biểu diễn cấu trúc hóa học phân tử dạng vectơ nhúng để phân loại chính xác các hợp chất có hoạt tính ức chế Lyn kinase.
  2. Thiết lập quy trình sàng lọc ảo tích hợp đa tầng kết hợp giữa mô hình học máy QSAR, xác định miền ứng dụng cấu trúc (Applicability Domain), mô phỏng Docking phân tử (molecular docking) và phân tích dược động học/độc tính in silico (ADMET) nhằm chọn lọc ra hợp chất tự nhiên tiềm năng nhất từ cơ sở dữ liệu lớn.

Phạm vi và chỉ số kỳ vọng:

  • Phạm vi dữ liệu: Khai thác tập dữ liệu 2.511 hợp chất từ ChEMBL (ChEMBL ID: CHEMBL3905) và sàng lọc tập thư viện hợp chất tự nhiên từ cơ sở dữ liệu ZINC.
  • Chỉ số kỹ thuật: Mô hình QSAR đạt Accuracy > 75%, F1-Score > 0,75 trên tập kiểm tra độc lập; năng lượng liên kết tự do ($\Delta G$) khi docking với Lyn kinase (PDB ID: 3A4O) thấp hơn phối tử đối chiếu Staurosporine ($\Delta G = -10,6\text{ kcal/mol}$); tuân thủ 100% quy tắc số 5 Lipinski và không gây độc tính đột biến gen in vitro (Ames test negative).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước đây, quá trình phát hiện chất ức chế kinase thường sử dụng sàng lọc thực nghiệm thông lượng cao (HTS) hoặc chỉ áp dụng đơn lẻ kỹ thuật docking phân tử. Các phương pháp này bộc lộ nhiều điểm hạn chế về chi phí hoặc tỷ lệ dương tính giả (false positives) cao do bỏ qua đặc tính ADMET và miền áp dụng của mô hình.

Tiêu chí Sàng lọc thực nghiệm (HTS) Docking phân tử đơn lẻ Mô phỏng Động lực phân tử (MD) Giải pháp tích hợp: QSAR + Docking + ADMET (Đề tài)
Chi phí triển khai Rất cao (> 500.000 USD) Rất thấp (< 500 USD) Trung bình - cao (yêu cầu cụm GPU) Cực kỳ tối ưu (< 1.000 USD phần cứng cơ bản)
Thời gian sàng lọc 6 - 12 tháng Vài ngày đến vài tuần Nhiều tuần/hợp chất Vài giờ đến vài ngày cho hàng nghìn hợp chất
Độ phủ dữ liệu Giới hạn theo mẫu hóa chất có sẵn Lớn (toàn bộ thư viện số) Rất nhỏ (hàng chục chất) Lớn (hàng triệu phân tử trong CSDL)
Tỷ lệ sàng lọc trúng đích Thấp do thiếu tối ưu sơ bộ Trung bình (nhiều dương tính giả) Cao Rất cao nhờ 4 tầng lọc liên hoàn
Đánh giá độc tính sớm Không (chỉ biết ở pha sau) Không Không Có (Tích hợp SwissADME & Toxtree)

Yêu cầu hệ thống theo khung MoSCoW:

  • Must-have: Vector hóa chuỗi SMILES sang không gian liên tục (100 chiều); thuật toán xác định miền ứng dụng (Applicability Domain) dựa trên khoảng cách Euclid 5-kNN; mô hình phân loại đạt độ chính xác > 70%; cấu hình lưới Docking chuẩn xác tại túi gắn ATP (PDB 3A4O).
  • Should-have: Tối ưu hóa siêu tham số tự động bằng Grid Search; đánh giá tương tác 2D/3D chi tiết với các amino acid bản lề (Met91, Ala153, Asp154, Val30, Leu143).
  • Could-have: Tích hợp kiểm tra đồng thời tương tác qua các liên kết phi cộng hóa trị ($\pi$-alkyl, $\pi$-$\pi$ stacking, cation-$\pi$).
  • Won't-have (giai đoạn này): Mô phỏng động lực học phân tử toàn phần 100 ns (dành cho hướng phát triển chuyên sâu).

Thiết kế hệ thống

Kiến trúc quy trình sàng lọc ảo được thiết kế theo mô hình phễu lọc 4 giai đoạn (Multi-tiered Virtual Screening Pipeline):

       [ CSDL 1: ChEMBL3905 (2.511 chất) ]          [ CSDL 2: ZINC Natural Compounds ]
           [ Featurization: mol2vec ]                 [ Featurization: mol2vec ]
            (Biểu diễn Vector 100-D)                   (Biểu diễn Vector 100-D)
           [ Huấn luyện & Đánh giá ]                  [ 5-kNN Applicability Domain ]
               (9 Thuật toán ML)                      (Loại bỏ hợp chất ngoài miền)
               (AdaBoost Classifier)                       (Dự đoán Active/Inactive)
                                                       [ Molecular Docking Vina ]
                                                      (PDB: 3A4O, Binding Energy)
                                                       [ ADMET & Toxtree Filter ]
                                                      (Lipinski, CYP, Ames Mutagen)
                                                       [ HỢP CHẤT TIỀM NĂNG NHẤT ]
                                                        (ZINC000020503551 / 1381)

Technology Stack & Môi trường triển khai:

  • Ngôn ngữ cốt lõi: Python 3.9 trên môi trường máy trạm macOS/Linux và Google Colaboratory.
  • Thư viện Khoa học dữ liệu & Học máy: Scikit-Learn 1.0.2, XGBoost 1.5.0, NumPy 1.21.5, Pandas 1.3.5.
  • Biểu diễn phân tử (Cheminformatics): Mol2vec 0.2.2, RDKit 2021.09.4, ChemDraw 18.1.
  • Phần mềm Docking & Hiển thị cấu trúc: AutoDock Vina 1.1.2, AutoDockTools 1.5.7, Discovery Studio Visualizer 4.5.
  • Nền tảng Dược động học & Độc tính: SwissADME REST Engine, Toxtree v3.1.0.
  • Cấu hình phần cứng: Apple Silicon M1 (8 cores: 4 Performance + 4 Efficiency, 7-core GPU), 16GB Unified LPDDR4X RAM.

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình kiểm chuẩn khoa học nghiêm ngặt theo tiêu chuẩn OECD dành cho các mô hình QSAR:

  1. Thu thập và tiền xử lý dữ liệu: Lọc các cấu trúc hóa học trùng lặp, chuẩn hóa định dạng chuỗi SMILES, xử lý giá trị hoạt tính sinh học phân tử $IC_{50}$ (nM).
  2. Kỹ thuật trích xuất đặc trưng (Feature Extraction): Chuyển đổi cấu trúc chuỗi SMILES thành biểu diễn toán học dạng vector nhúng ngữ nghĩa (embeddings) chiều dài 100 thông qua mạng thần kinh tích chập học sâu mol2vec.
  3. Phân chia tập dữ liệu: Sử dụng phân bổ ngẫu nhiên có kiểm soát theo tỷ lệ 70% tập huấn luyện (Training set: 1.758 mẫu) và 30% tập kiểm tra (Test set: 753 mẫu).
  4. Tối ưu hóa siêu tham số (Hyperparameter Tuning): Áp dụng thuật toán Grid Search kết hợp phương pháp Cross-Validation để quét tìm cấu hình tham số tối ưu trên từng bộ phân loại.
  5. Xác định miền áp dụng (Domain of Applicability - DoA): Ứng dụng kỹ thuật 5 lân cận gần nhất (5-kNN) trong không gian Euclid để xác định ranh giới hóa học mà mô hình có độ tin cậy dự đoán cao nhất.
  6. Đảm bảo chất lượng (QA): Thẩm định độc lập bằng tập Test set chưa từng xuất hiện trong quá trình huấn luyện, đo lường toàn diện các chỉ số Precision, Recall, F1-Score, và ROC-AUC.

Implementation và kết quả

Quá trình phát triển và thuật toán

Trong bước xử lý đặc trưng, phương pháp trích xuất vectơ phân tử được thực hiện bằng mô hình mol2vec (dựa trên kiến trúc Word2Vec ứng dụng vào đồ thị hóa học). Chuỗi SMILES được băm thành các định danh môi trường nguyên tử Morgan tương đương từ vựng, sau đó được ánh xạ vào không gian liên tục 100 chiều:

import numpy as np
from rdkit import Chem
from mol2vec.features import mol2alt_sentence, MolSentence, DfVec
from gensim.models import word2vec

def smiles_to_mol2vec(smiles_list, model_path="model_300dim.pkl"):
    """
    Chuyển đổi danh sách SMILES thành ma trận đặc trưng mol2vec 100 chiều
    """
    model = word2vec.Word2Vec.load(model_path)
    vectors = []
    
    for smi in smiles_list:
        mol = Chem.MolFromSmiles(smi)
        if mol is not None:
            # Tạo các câu nguyên tử (Morgan radius 1)
            sentence = MolSentence(mol2alt_sentence(mol, radius=1))
            # Tính vector trung bình của phân tử
            vec = DfVec(sentence).to_vector(model)
            vectors.append(vec)
        else:
            vectors.append(np.zeros(100))
            
    return np.array(vectors)

Thuật toán xác định Miền ứng dụng (Domain of Applicability - DoA):

Khoảng cách Euclid giữa hợp chất mới $i$ và $k$ láng giềng gần nhất ($k=5$) trong tập huấn luyện được tính toán theo công thức:

$$D_i = \frac{1}{k} \sum_{j=1}^{k} \sqrt{\sum_{m=1}^{100} (x_{im} - x_{jm})^2}$$

Ngưỡng giới hạn được thiết lập theo quy chuẩn:

$$D_{\text{ngưỡng}} = \bar{D}_k + 0,5 \times S_k$$

Trong đó $\bar{D}k = 8,16$ là khoảng cách trung bình của tập huấn luyện và $S_k = 8,56$ là độ lệch chuẩn. Từ đó xác định được $D{\text{ngưỡng}} = 8,16 + 0,5 \times 8,56 = 12,44$.

from sklearn.neighbors import NearestNeighbors
from sklearn.ensemble import AdaBoostClassifier
from sklearn.model_selection import GridSearchCV

# 1. Thiết lập 5-kNN Applicability Domain
knn = NearestNeighbors(n_neighbors=5, metric='euclidean')
knn.fit(X_train)
distances, _ = knn.kneighbors(X_train)

D_k = np.mean(distances[:, 1:]) # Khoảng cách trung bình đến 5 láng giềng
S_k = np.std(distances[:, 1:])
D_threshold = D_k + 0.5 * S_k   # 12.44

# 2. Huấn luyện AdaBoost với Grid Search
param_grid = {
    'n_estimators': [100, 200, 400, 900],
    'learning_rate': [0.01, 0.1, 0.5, 1.0]
}
ada_clf = AdaBoostClassifier(random_state=42)
grid_search = GridSearchCV(ada_clf, param_grid, cv=5, scoring='f1', n_jobs=-1)
grid_search.fit(X_train, y_train)

# Bộ siêu tham số tối ưu thu được: n_estimators=400, learning_rate=0.5
best_model = grid_search.best_estimator_

Thử nghiệm và đánh giá mô hình

Ban đầu, 7 mô hình hồi quy tuyến tính và phi tuyến (M1 đến M7) được xây dựng nhằm dự đoán trực tiếp giá trị định lượng $\text{Log}IC_{50}$. Tuy nhiên, kết quả trên tập kiểm tra độc lập cho thấy hiệu năng dự đoán định lượng bị giới hạn đáng kể:

Hiệu suất các mô hình Hồi quy (Regression Models M1 - M7):

  • M1 (Random Forest Regressor): $R^2_{\text{train}} = 0,602$, $R^2_{\text{test}} = -0,035$, $\text{RMSE}_{\text{test}} = 1,158$.
  • M2 (Support Vector Regression - SVR): $R^2_{\text{train}} = 0,775$, $R^2_{\text{test}} = 0,160$, $\text{RMSE}{\text{test}} = 1,043$, $\text{MAE}{\text{test}} = 0,853$.
  • M3 (Multi-layer Perceptron Regressor): $R^2_{\text{train}} = -2,486$, $R^2_{\text{test}} = -0,167$, $\text{RMSE}_{\text{test}} = 1,961$.
  • M4 (XGBoost Regressor): $R^2_{\text{train}} = 0,649$, $R^2_{\text{test}} = 0,028$, $\text{RMSE}_{\text{test}} = 1,122$.
  • M5 (RidgeCV), M6 (MLR), M7 (Lasso LarsCV): $R^2_{\text{test}}$ đều mang giá trị âm (-0,090 đến -0,181).

Nguyên nhân: Dữ liệu ChEMBL được thu thập từ nhiều công bố khoa học với các điều kiện thử nghiệm enzym học khác nhau, dẫn đến nhiễu hệ thống trong giá trị $IC_{50}$ thực nghiệm.

Nhóm nghiên cứu đã chuyển hướng tiếp cận sang mô hình học máy phân loại nhị phân (M10 - M18) với ngưỡng phân loại chất có hoạt tính / không hoạt tính. Kết quả kiểm tra chéo và đánh giá độc lập cho thấy bước nhảy vọt về độ chính xác.

Kết quả đánh giá các mô hình Phân loại (Classification Models M10 - M18):

Model ID Thuật toán phân loại Siêu tham số tối ưu (Grid Search) Accuracy Precision Recall F1-Score
M10 Random Forest n_estimators=400 0,702 0,710 0,695 0,702
M11 Decision Tree max_depth=20 0,645 0,650 0,638 0,644
M12 Support Vector Machine (SVM) C=1.0, gamma=0.01 0,612 0,625 0,601 0,613
M13 Multi-layer Perceptron (MLP) hidden_layers=2, momentum=0.1 0,741 0,748 0,735 0,741
M14 k-Nearest Neighbors (kNN) n_neighbors=11 0,684 0,690 0,675 0,682
M15 Logistic Regression C=0.1 0,668 0,672 0,660 0,666
M16 Naive Bayes var_smoothing=1e-9 0,621 0,630 0,612 0,621
M17 XGBoost n_est=200, max_depth=3, lr=0.1 0,735 0,742 0,728 0,735
M18 AdaBoost n_estimators=400, lr=0.5 0,756 0,770 0,760 0,765

Mô hình M18 (AdaBoost) đạt độ chính xác cao nhất (Accuracy > 75,6%, Precision 77,0%, Recall 76,0%) và được lựa chọn làm công cụ dự đoán hoạt tính cho bước sàng lọc thư viện ZINC.

Kết quả sàng lọc và tương tác phối tử - protein

1. Sàng lọc qua QSAR và Miền ứng dụng:

  • Tổng số hợp chất trong cơ sở dữ liệu ZINC được đưa vào khảo sát: Đạt 2.021 hợp chất nằm trọn vẹn trong Miền ứng dụng cấu trúc ($D_i \le 12,44$).
  • Mô hình M18 dự đoán: 1.438 hợp chất có hoạt tính (71,15%) và 583 hợp chất không có hoạt tính (28,85%).

2. Kết quả Docking phân tử trên AutoDock Vina:

Toàn bộ 1.438 hợp chất dự đoán hoạt tính được tiến hành docking phân tử vào cấu trúc 3D của Lyn kinase (PDB ID: 3A4O) với hộp lưới kích thước $22 \times 22 \times 22\text{ Å}$ bao quanh túi gắn ATP.

  • Năng lượng liên kết của phối tử đối chiếu (Staurosporine): $\Delta G = -10,6\text{ kcal/mol}$.
  • Kết quả cho thấy có 12/1.438 hợp chất có ái lực liên kết mạnh hơn phối tử chuẩn ($\Delta G \le -10,6\text{ kcal/mol}$).

Bảng kết quả Docking và Dự đoán Dược động học/Độc tính của 12 hợp chất tiềm năng:

Mã số ZINC ID Năng lượng liên kết ($\Delta G$) Tương tác Amino Acid quan trọng Hấp thu GI Vi phạm Lipinski Ức chế CYP3A4 Ames Test (Đột biến gen) Khả năng tổng hợp
Control Staurosporine -10,6 kcal/mol Met91, Ala153, Val30, Asp154 Cao 0 Có Dương tính -
648 ZINC000020503333 -11,2 kcal/mol Met91, Ala153, Leu22, Val30 Cao 0 Có Dương tính 4,86
1381 ZINC000020503551 -11,0 kcal/mol Met91, Ala153, Asp154, Val30 Cao 0 Không ÂM TÍNH 4,69
492 ZINC000002135236 -11,0 kcal/mol Met91, Thr88, Asp154, Leu143 Cao 0 Có Dương tính 3,31
501 ZINC000002130834 -10,9 kcal/mol Met91, Thr90, Ala42, Asp154 Cao 0 Không Dương tính 3,63
504 ZINC000002127993 -10,9 kcal/mol Met91, Met63, Asp154, Val30 Cao 0 Có Dương tính 3,79
400 ZINC000020612070 -10,8 kcal/mol Met91, Thr88, Asp154, Leu22 Cao 0 Có Dương tính 3,48
944 ZINC000005961107 -10,8 kcal/mol Glu89, Val72, Asp154, Ala42 Cao 0 Không Dương tính 3,19
602 ZINC000008792106 -10,7 kcal/mol Met91, Asn141, Val30, Ala42 Cao 0 Có Dương tính 2,98
906 ZINC000006174297 -10,7 kcal/mol Met63, Thr88, Asp154, Val30 Cao 0 Có Dương tính 3,24
917 ZINC000006076867 -10,7 kcal/mol Met91, Thr90, Leu22, Asp154 Cao 0 Có Dương tính 3,27
517 ZINC000002122946 -10,6 kcal/mol Met91, Tyr90, Leu143, Ala24 Cao 0 Có Dương tính 3,14
853 ZINC000006090663 -10,6 kcal/mol Met91, Glu89, Leu22, Asp154 Cao 0 Có Dương tính 3,20

3. Phân tích Dược động học và Độc tính (ADMET):

Đánh giá từ SwissADME và Toxtree cho thấy:

  • Cả 12 hợp chất đều đạt sinh khả dụng đường uống cao (Bioavailability Score = 0,55), hấp thu qua đường tiêu hóa (GI absorption) tốt, và không vi phạm bất kỳ tiêu chí nào của Lipinski Rule of 5.
  • Tuy nhiên, trong thử nghiệm đột biến gen in vitro (Ames test) bằng phần mềm Toxtree, 11/12 hợp chất đều bị cảnh báo có nguy cơ gây đột biến gen.
  • Duy nhất hợp chất 1381 (ZINC000020503551) đạt chứng nhận an toàn đột biến gen (Ames Negative), không gây ăn mòn da, không ức chế phân hóa enzym CYP3A4 quá mức, và đạt điểm số thuận lợi tổng hợp (Synthetic Accessibility = 4,69).

Phân tích không gian tương tác 3D cho thấy hợp chất 1381 tạo 2 liên kết hydro then chốt với Met91 và Ala153 tại vùng bản lề (hinge region), đồng thời hình thành mạng lưới tương tác kỵ nước dày đặc với các amino acid cốt lõi: Val30, Leu143, Leu22, Ala42 và Asp154.

Đổi mới và đóng góp

  1. Ứng dụng công nghệ biểu diễn phân tử Mol2vec kết hợp Ensemble Learning: Khác với các nghiên cứu QSAR truyền thống chỉ sử dụng bộ mô tả phân tử 2D tĩnh, nghiên cứu đã khai thác kỹ thuật nhúng sâu (deep embedding) mol2vec chuyển hóa ngữ cảnh hóa học thành vector 100 chiều, kết hợp thuật toán boosting AdaBoost nâng cao độ chính xác lên 75,6% (vượt trội hơn 14,4% so với mô hình SVM cổ điển đạt 61,2%).
  2. Quy trình kiểm soát không gian hóa học chặt chẽ qua 5-kNN Applicability Domain: Việc thiết lập ngưỡng khoảng cách $D_{\text{ngưỡng}} = 12,44$ giúp loại bỏ hoàn toàn hiện tượng ngoại suy sai lệch, chỉ cho phép dự đoán các hợp chất nằm trong phạm vi tin cậy của mô hình học máy.
  3. Chiến lược sàng lọc đa tầng giảm thiểu 99,5% chi phí thử nghiệm: Từ 2.021 chất ban đầu, quy trình đã rút gọn thành công xuống 1.438 chất có hoạt tính, tiếp tục lọc qua docking xuống 12 chất có ái lực cao hơn Staurosporine, và loại trừ độc tính đột biến gen để chỉ chọn 1 hợp chất đích thực sự an toàn (ZINC000020503551).
  4. Mở ra hướng điều trị kép (Dual-target Action) cho Bệnh Alzheimer và Ung thư: Đề tài là một trong những công trình tiên phong tại Việt Nam tích hợp mô hình tính toán nhắm vào Lyn kinase để giải quyết đồng thời hai bệnh lý phức tạp: ức chế khối u tăng sinh ác tính và bảo vệ ty thể thần kinh trước sự tích tụ Tau/Aβ trong bệnh Alzheimer.
                           HIỆU QUẢ CỦA PHỄU SÀNG LỌC ẢO ĐA TẦNG

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong đời thực

  • R&D Dược phẩm (Pharma Pipeline): Hợp chất ZINC000020503551 cung cấp một khung phân tử dẫn đường (lead scaffold) hoàn chỉnh với dữ liệu ái lực $\Delta G = -11,0\text{ kcal/mol}$ để các phòng thí nghiệm hóa dược tiến hành tổng hợp hóa học và thử nghiệm ức chế enzym Lyn kinase in vitro.
  • Tối ưu hóa phác đồ điều trị: Ứng dụng trong phát triển liệu pháp điều trị trúng đích cho bệnh nhân kháng Dasatinib trong bệnh bạch cầu dòng lympho hoặc các khối u biểu mô bộc lộ quá mức EGFR/HER2.
  • Nghiên cứu thuốc thoái hóa thần kinh: Thử nghiệm tiền lâm sàng trên mô hình chuột chuyển gen mắc Alzheimer nhằm đánh giá khả năng bảo tồn chức năng ty thể và giảm thiểu mảng bám amyloid.

Khả năng mở rộng và Hiệu quả đầu tư (ROI)

  • Khả năng mở rộng quy mô: Pipeline thuật toán xây dựng hoàn toàn có thể tự động hóa thành hệ thống phân tích đám mây (Cloud Batch Processing), cho phép mở rộng sàng lọc đồng thời trên các thư viện hàng triệu chất như ZINC20, PubChem, hoặc cơ sở dữ liệu hợp chất tự nhiên bản địa Việt Nam.
  • Tối ưu hóa chi phí: Triển khai quy trình này giúp các viện nghiên cứu và doanh nghiệp dược giảm thiểu từ 70% đến 85% ngân sách tổng hợp hóa học mù, tập trung nguồn lực tài chính vào các ứng viên có xác suất thành công cao nhất.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Giới hạn của Docking tĩnh: Kỹ thuật Docking phân tử trên AutoDock Vina chỉ mô phỏng phối tử linh động trên một khung cấu trúc protein cứng (PDB: 3A4O), chưa phản ánh toàn diện tương tác động nhiệt động học của chuỗi polypeptide trong môi trường dung môi sinh lý.
  • Tính đa dạng của tập dữ liệu huấn luyện: Tập dữ liệu ChEMBL3905 chứa nhiều cấu trúc nhân tổng hợp nhân tạo, có thể tạo ra độ lệch nhẹ khi dự đoán trên các khung hợp chất tự nhiên có nhiều dị vòng phức tạp.

Hướng phát triển tiếp theo

  1. Thực hiện mô phỏng Động lực học phân tử (Molecular Dynamics - MD Simulation) trong thời gian từ 100 ns đến 500 ns trên phần mềm GROMACS hoặc AMBER để đánh giá độ bền liên kết (RMSD, RMSF) của phức hợp Lyn kinase - ZINC000020503551.
  2. Mở rộng cơ sở dữ liệu sàng lọc trên nguồn tài nguyên Dược liệu cổ truyền và Hợp chất tự nhiên Việt Nam nhằm khai thác tiềm năng tri thức y học bản địa.
  3. Tiến hành kiểm chứng thực nghiệm bằng thử nghiệm hoạt tính enzym kinase in vitro (Assay Kinase-Glo) và thử nghiệm độc tính tế bào trên các dòng tế bào ung thư máu K562 / tế bào thần kinh SH-SY5Y.

Đối tượng hưởng lợi

                              CÁC NHÓM ĐỐI TƯỢNG HƯỞNG LỢI
  • Sinh viên & Học viên chuyên ngành Hóa dược / Dược học / Tin sinh học: Nắm vững phương pháp luận chuẩn xác trong việc xây dựng mô hình QSAR, kỹ thuật docking phân tử và đánh giá ADMET theo chuẩn quốc tế.
  • Kỹ sư Tin sinh học & Nhà phát triển phần mềm AI: Tiếp cận cấu trúc mã nguồn tích hợp giữa RDKit, Mol2vec và thuật toán máy học phân loại, làm nền tảng phát triển các công cụ sàng lọc ảo tự động hóa.
  • Doanh nghiệp Dược phẩm & Viện nghiên cứu Y sinh: Sở hữu ngay ứng viên tiền lâm sàng tiềm năng ZINC000020503551 đã qua kiểm định an toàn độc tính gen để đưa vào quy trình phát triển thuốc.
  • Cộng đồng Y tế: Thúc đẩy tiến độ tìm ra các liệu pháp điều trị mới hiệu quả và chi phí thấp hơn cho các bệnh nhân ung thư và Alzheimer.

Câu hỏi thường gặp

1. Cần chuẩn bị cấu hình phần cứng và môi trường như thế nào để tái lập nghiên cứu?

Hệ thống yêu cầu máy tính chạy hệ điều hành Linux (Ubuntu 20.04/22.04 LTS) hoặc macOS, tối thiểu 8GB RAM (khuyến nghị 16GB) và vi xử lý 4 lõi trở lên. Môi trường phần mềm bao gồm Python 3.9, thư viện RDKit, Scikit-Learn, Mol2vec, AutoDock Vina 1.1.2 và Discovery Studio Visualizer. Đối với các tác vụ sàng lọc quy mô lớn, có thể tận dụng hạ tầng miễn phí của Google Colab GPU/TPU.

2. Tại sao mô hình QSAR phân loại (AdaBoost) lại vượt trội hơn mô hình hồi quy ($R^2$) trong đề tài này?

Do tập dữ liệu ChEMBL3905 được tổng hợp từ hàng chục công trình nghiên cứu khác nhau trên thế giới, điều kiện đo $IC_{50}$ thực nghiệm (nồng độ enzym, cơ chất, nhiệt độ, thời gian ủ) có sự sai khác lớn, tạo ra nhiễu hệ thống khiến mô hình hồi quy không thể hội tụ chính xác ($R^2_{\text{test}} \le 0,16$). Mô hình phân loại nhị phân giúp triệt tiêu các sai số định lượng nhỏ này và tập trung phân biệt bản chất cấu trúc hóa học giữa nhóm chất có hoạt tính cao và nhóm chất bất hoạt, từ đó đạt độ chính xác 75,6%.

3. Làm thế nào để đảm bảo tính an toàn của hợp chất ZINC000020503551 khi sử dụng in vivo?

Hợp chất 1381 (ZINC000020503551) đã vượt qua toàn diện các tiêu chí đánh giá nghiêm ngặt: không vi phạm quy tắc số 5 Lipinski, điểm sinh khả dụng 0,55, khả năng hấp thu tốt qua màng tiêu hóa, không gây ăn mòn da, và đặc biệt là đạt kết quả Âm tính trong thử nghiệm đột biến gen Ames theo mô hình quy tắc phân mảnh độc tính của Toxtree.

4. Năng lượng liên kết -11,0 kcal/mol có ý nghĩa sinh học như thế nào so với phối tử chuẩn?

Trong mô phỏng docking, năng lượng liên kết tự do $\Delta G$ càng âm thì phức hợp giữa phối tử và protein đích càng bền vững. Giá trị $\Delta G = -11,0\text{ kcal/mol}$ của ZINC000020503551 vượt qua mức năng lượng của chất ức chế đối chiếu Staurosporine ($\Delta G = -10,6\text{ kcal/mol}$), cho thấy ái lực liên kết mạnh mẽ tại vị trí gắn ATP, tạo điều kiện ức chế cạnh tranh hiệu quả hoạt tính kinase của enzym.

5. Chi phí và thời gian triển khai một quy trình sàng lọc ảo tương tự là bao nhiêu?

Nếu triển khai trên hạ tầng điện toán có sẵn với các công cụ mã nguồn mở (Python, RDKit, AutoDock Vina), chi phí phần mềm là 0 USD. Thời gian chạy toàn bộ quy trình từ huấn luyện mô hình máy học, xác định miền ứng dụng đến docking hơn 1.400 phân tử chỉ mất từ 24 đến 48 giờ tính toán, tiết kiệm hàng chục nghìn USD so với việc mua hóa chất và thử nghiệm enzym trực tiếp.

Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Phan Thị Vân Anh đã giải quyết xuất sắc bài toán tối ưu hóa quy trình sàng lọc chất ức chế Lyn kinase thông qua chiến lược tiếp cận đa tầng hiện đại:

  • Thành tựu kỹ thuật: Xây dựng thành công mô hình học máy QSAR AdaBoost (M18) đạt độ chính xác 75,6%, kiểm soát nghiêm ngặt bằng Miền ứng dụng cấu trúc 5-kNN ($D_{\text{ngưỡng}} = 12,44$).
  • Đột phá sàng lọc: Phát hiện hợp chất ZINC000020503551 (1381) là ứng viên ức chế Lyn kinase tiềm năng nhất với năng lượng liên kết tự do $\Delta G = -11,0\text{ kcal/mol}$, tạo liên kết hydro bền vững với Met91 và Ala153, đồng thời đạt chứng chỉ an toàn sinh học không gây đột biến gen in vitro.
  • Giá trị thực tiễn: Cung cấp cơ sở khoa học và nguồn dữ liệu cấu trúc then chốt mở ra hướng nghiên cứu các liệu pháp trúng đích mới trong điều trị bệnh bạch cầu lympho mãn tính (CLL), ung thư kháng thuốc và bệnh thoái hóa thần kinh Alzheimer.

Các nhóm nghiên cứu hóa dược, sinh viên và doanh nghiệp quan tâm có thể khai thác mô hình pipeline này để mở rộng ứng dụng trên các mục tiêu phân tử phức tạp khác, thúc đẩy quá trình số hóa và hiện đại hóa ngành nghiên cứu phát triển dược phẩm tại Việt Nam.