Giới thiệu dự án

Nghiên cứu và phát triển (R&D) thuốc mới là một quy trình dài hạn, tiêu tốn trung bình từ 15 đến 25 năm cùng ngân sách khổng lồ từ 2 đến 3 tỷ USD cho mỗi phân tử hoạt chất được Cơ quan Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) phê duyệt. Thống kê từ Tổ chức Y tế Thế giới (WHO) chỉ ra rằng khoảng 80% dân số toàn cầu vẫn phụ thuộc vào các liệu pháp chăm sóc sức khỏe có nguồn gốc tự nhiên. Các hợp chất thiên nhiên (Natural Products - NPs) sở hữu độ đa dạng cấu trúc không gian ba chiều vượt trội, mật độ tâm bất đối xứng cao và đặc tính "giống thuốc" (drug-likeness) tối ưu hơn hẳn các thư viện hóa học tổng hợp tổ hợp (combinatorial chemistry).

Việt Nam nằm trong vùng nhiệt đới gió mùa với mức độ đa dạng sinh học phong phú bậc nhất thế giới. Theo thống kê của Viện Dược liệu (2017), Việt Nam sở hữu 5.117 loài thực vật và nấm lớn, 52 loài tảo biển, 408 loài động vật cùng 75 loài khoáng vật có công dụng y học. Tuy nhiên, dữ liệu chiết tách, phân lập và cấu trúc hóa học của các loài thảo dược này hiện nằm rải rác trong hàng trăm tạp chí chuyên ngành xuất bản từ năm 1992 đến nay. Sự thiếu hụt một hệ thống quản trị dữ liệu tập trung, chuẩn hóa theo ngôn ngữ máy tính (Machine-Readable Format) đã tạo nên rào cản lớn, cản trở việc ứng dụng các kỹ thuật sàng lọc ảo (in silico virtual screening) để tìm kiếm các hợp chất dẫn đường (lead compounds).

Dự án khóa luận tốt nghiệp Dược sĩ đại học đã tập trung giải quyết bài toán cốt lõi: Xây dựng cơ sở dữ liệu các hợp chất thiên nhiên Việt Nam (Vietnam Natural Products Database - VNPD) phục vụ sàng lọc ảo.

[418 Công trình nghiên cứu (1992-2016)]
  [1.751 Hợp chất phân lập thô]
[1.376 Hợp chất cấu trúc chuẩn hóa duy nhất]
 [CDK Descriptor Calc]  [ClassyFire Engine]
 (MW, XlogP, HBD, HBA)   (11 Siêu lớp OBO Ontology)
[Hệ quản trị CSDL MySQL + Web Framework Django]
 [Sàng lọc ảo In Silico & Định danh Đích phân tử]

Mục tiêu cụ thể của dự án

  1. Thu thập, số hóa và chuẩn hóa cấu trúc 2D của các hợp chất hóa học được phân lập từ nguồn dược liệu Việt Nam công bố từ năm 1992 đến 2016 trên các tạp chí uy tín trong nước và quốc tế.
  2. Chuyển đổi cấu trúc hóa học sang các định dạng chuỗi phân tử chuẩn quốc tế gồm SMILES (Simplified Molecular Input Line Entry System), InChI (IUPAC International Chemical Identifier) và mã băm InChIKey.
  3. Tự động hóa quá trình tính toán các tham số hóa lý (Physicochemical Descriptors) và đánh giá độ giống thuốc theo Quy tắc số 5 của Lipinski (Lipinski's Rule of Five).
  4. Phân loại cấu trúc hợp chất theo bản thể học hóa học (Chemical Ontology) thông qua công cụ ClassyFire dựa trên định dạng SMARTS.
  5. Thiết kế và triển khai hệ thống quản trị cơ sở dữ liệu (CSDL) trên nền tảng web mã nguồn mở (MySQL, Django, Apache) với khả năng truy vấn đa trường thông minh.

Phạm vi và kết quả kỳ vọng

  • Dữ liệu đầu vào: 418 bài báo khoa học tuyển chọn từ hơn 900 số tạp chí chuyên ngành (Tạp chí Dược học, Tạp chí Dược liệu, Phytochemistry, Chem. Pharm. Bull., Bioorganic & Medicinal Chemistry Letters...).
  • Chỉ số định lượng đạt được: Chuẩn hóa thành công 1.376 hợp chất đơn nhất (từ 1.751 cấu trúc ban đầu), đại diện cho 311 loài thực vật và nấm thuộc 114 họ thực vật tại Việt Nam; 85,39% hợp chất đáp ứng tiêu chuẩn dược động học của Lipinski; phân loại thành công 11 nhóm cấu trúc chính.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và đối sánh giải pháp

Trước khi phát triển VNPD, các nhà nghiên cứu dược phẩm tại Việt Nam phải tra cứu thủ công qua từng bài báo in hoặc dựa vào các CSDL quốc tế vốn thiếu vắng hệ thực vật bản địa đặc hữu của Đông Nam Á.

Tiêu chí phân tích TCMDatabase@Taiwan NuBBE (Brazil) SANCDB (Nam Phi) VNPD (Việt Nam)
Quy mô hợp chất 37.364 hợp chất 640 hợp chất 600 hợp chất 1.376 hợp chất
Nguồn dữ liệu Y học cổ truyền Trung Hoa Đa dạng sinh học Brazil Dược liệu Nam Phi Thực vật & Nấm Việt Nam
Định dạng chuỗi SMILES, Mol2 SMILES, InChI SMILES, InChI SMILES, InChI, InChIKey
Phân loại bản thể học Phân loại thủ công ClassyFire (Cơ bản) Phân cấp thủ công ClassyFire (11 Siêu lớp OBO)
Dữ liệu Dân gian vs Thực nghiệm Thiếu liên kết thực nghiệm Hạn chế Hạn chế Tích hợp song song 2 trường dữ liệu
Chi phí bản quyền Miễn phí nghiên cứu Miễn phí Miễn phí Miễn phí mã nguồn mở

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc): Mã định danh phân tử duy nhất (VNPD_ID), chuỗi ký hiệu SMILES/InChI/InChIKey chuẩn IUPAC, bộ thông số lý hóa Lipinski (MW, XlogP, HBD, HBA, Rotatable Bonds), metadata sinh học (tên khoa học, họ, bộ phận dùng, địa điểm thu hái).
  • Should-have (Nên có): Tích hợp phân loại hóa học phân tầng tự động (ClassyFire), đối soát trùng lặp tự động bằng mã băm InChIKey, trích dẫn tài liệu tham khảo nguồn (EndNote/DOI).
  • Could-have (Có thể có): Bộ công cụ vẽ cấu trúc phân tử tương tác trên nền tảng web (JSME/MarvinJS), xuất định dạng tập tin cấu trúc không gian 3D (SDF, MOL2).
  • Won't-have (Tạm thời chưa làm): Tích hợp công cụ tính toán docking năng lượng liên kết trực tiếp trên trình duyệt máy trạm.

Thiết kế kiến trúc hệ thống

Hệ thống VNPD được thiết kế theo kiến trúc 3 tầng phân tách (3-Tier MVC Architecture):

Thiết kế lược đồ cơ sở dữ liệu quan hệ (Database Schema DDL)

-- Bảng lưu trữ thông tin nhận dạng và cấu trúc phân tử chuẩn hóa
CREATE TABLE tbl_compounds (
    vnpd_id INT AUTO_INCREMENT PRIMARY KEY,
    common_name VARCHAR(255) NOT NULL,
    iupac_name TEXT,
    molecular_formula VARCHAR(100) NOT NULL,
    smiles_notation TEXT NOT NULL,
    inchi_code TEXT NOT NULL,
    inchikey_hash VARCHAR(27) NOT NULL UNIQUE,
    molecular_weight DECIMAL(8,3) NOT NULL,
    xlogp DECIMAL(5,2) NOT NULL,
    h_bond_donors INT NOT NULL,
    h_bond_acceptors INT NOT NULL,
    rotatable_bonds INT NOT NULL,
    lipinski_violations INT NOT NULL,
    tpsa DECIMAL(6,2),
    maccs_fingerprint TEXT,
    INDEX idx_inchikey (inchikey_hash),
    INDEX idx_lipinski (lipinski_violations)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

-- Bảng phân loại bản thể học ClassyFire (OBO Foundry)
CREATE TABLE tbl_classifications (
    class_id INT AUTO_INCREMENT PRIMARY KEY,
    vnpd_id INT NOT NULL,
    super_class VARCHAR(100) NOT NULL,
    main_class VARCHAR(100) NOT NULL,
    sub_class VARCHAR(100),
    FOREIGN KEY (vnpd_id) REFERENCES tbl_compounds(vnpd_id) ON DELETE CASCADE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

-- Bảng nguồn gốc dược liệu và dữ liệu dược lý dân gian/thực nghiệm
CREATE TABLE tbl_botanical_sources (
    source_id INT AUTO_INCREMENT PRIMARY KEY,
    vnpd_id INT NOT NULL,
    plant_common_name VARCHAR(255),
    scientific_name VARCHAR(255) NOT NULL,
    family VARCHAR(100) NOT NULL,
    collection_location VARCHAR(255),
    collection_time VARCHAR(100),
    used_part VARCHAR(100),
    folk_usage TEXT,
    proven_pharmacology TEXT,
    FOREIGN KEY (vnpd_id) REFERENCES tbl_compounds(vnpd_id) ON DELETE CASCADE,
    INDEX idx_scientific_name (scientific_name)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Implementation và kết quả

Quy trình phát triển và thuật toán xử lý dữ liệu

Quy trình chuẩn hóa dữ liệu hóa tin học (Cheminformatics Pipeline) được triển khai qua 4 giai đoạn chuẩn mực:

 [Ontology Classification]   [Lipinski Rule Filter]
       [Nạp CSDL Django/MySQL]
  1. Số hóa cấu trúc 2D: Chuyển đổi hình ảnh tĩnh từ 418 bài báo sang cấu trúc hóa học động trên phần mềm ChemBioDraw 13.0, tự động trích xuất chuỗi ký tự phân tử SMILES, InChI và InChIKey.
  2. Khử trùng lặp (Deduplication Algorithm): Sử dụng mã băm InChIKey 27 ký tự (chuỗi định danh cố định không phụ thuộc vào cách vẽ cấu trúc). Thuật toán loại bỏ các phân tử trùng lặp và gộp các nguồn phân lập khác nhau về cùng một mã VNPD_ID duy nhất: $$\text{InChIKey} = \text{SHA-256}(\text{InChI_Major_Layer}) + \text{SHA-256}(\text{InChI_Stereo_Layer}) + \text{Flag}$$
  3. Tính toán chỉ số hóa lý: Tích hợp công cụ CDK Descriptor Calculator (phiên bản 1.6) dựa trên Chemistry Development Kit (Java) để tự động tính toán 8 thông số hóa lý quan trọng.
  4. Phân loại bản thể học tự động: Phân tích cấu trúc phân tử qua ClassyFire 1.0 với cơ sở dữ liệu gồm hơn 9.000 mẫu SMARTS, định danh tự động theo chuẩn OBO (Open Biomedical Ontologies).

Đoạn mã Python/Django minh họa kiểm tra quy tắc Lipinski và truy vấn dữ liệu

# cheminformatics/descriptors.py
from django.db import models

class CompoundFilterService:
    @staticmethod
    def evaluate_lipinski_rule(mw: float, logp: float, hbd: int, hba: int) -> int:
        """
        Đánh giá mức độ vi phạm quy tắc số 5 của Lipinski (Rule of Five)
        Độ phức tạp thuật toán: O(1)
        """
        violations = 0
        if mw > 500.0:
            violations += 1
        if logp > 5.0:
            violations += 1
        if hbd > 5:
            violations += 1
        if hba > 10:
            violations += 1
        return violations

    @staticmethod
    def filter_druglike_candidates(queryset):
        """
        Truy vấn các hợp chất tiềm năng đạt tiêu chuẩn sàng lọc ảo (<= 1 vi phạm)
        """
        return queryset.filter(lipinski_violations__lte=1).order_by('lipinski_violations', 'molecular_weight')

Kết quả định lượng và phân tích thống kê

Hệ thống VNPD đã xử lý thành công 1.751 lượt phân lập, thu về 1.376 hợp chất hóa học đơn nhất từ 311 loài thuộc 114 họ thực vật Việt Nam.

                  PHÂN BỐ 11 NHÓM HỢP CHẤT CHÍNH (VNPD)

Đánh giá mức độ "giống thuốc" theo Quy tắc Lipinski

Đánh giá 1.376 hợp chất qua bộ tiêu chí: Khối lượng phân tử ($MW \le 500\text{ Da}$), độ tan dầu/nước ($X\log P \le 5$), số liên kết cho hydro ($HBD \le 5$), số liên kết nhận hydro ($HBA \le 10$).

Số lỗi vi phạm Lipinski Số lượng hợp chất Tỷ lệ phần trăm (%) Đánh giá khả năng hấp thu qua đường uống
0 vi phạm (Tuyệt đối) 712 51,70% Khả năng hấp thu và tính thấm màng sinh học rất cao
1 vi phạm (Chấp nhận) 464 33,69% Đạt tiêu chuẩn dược động học làm hợp chất dẫn đường
2 vi phạm 132 9,58% Cần tối ưu hóa cấu trúc hóa dược (Lead Optimization)
3 vi phạm 63 4,57% Độ tan hoặc tính thấm kém, khó phân bố đường uống
4 vi phạm 6 0,46% Cấu trúc phân tử cồng kềnh, không phù hợp quy tắc
Tổng cộng đạt chuẩn ($\le 1$) 1.176 85,39% Nguồn thư viện chất tiềm năng cao cho Sàng lọc ảo
                 TÁC DỤNG DƯỢC LÝ ĐÃ CHỨNG MINH (IN VITRO/IN VIVO)
  Ung thư (Anticancer)       : ██████████████████████████████ 292 chất
  Chống viêm (Anti-inflam)   : ████████████████████████████ 278 chất
  Chống oxy hóa (Antioxidant): █████████████████ 164 chất
  Kháng khuẩn (Antibacterial): ████████████████ 162 chất
  Gây độc tế bào (Cytotoxic) : ███████████████ 151 chất
  Kháng sốt rét (Antimalarial): ███████████ 105 chất

Dữ liệu dân gian cũng ghi nhận 284 hợp chất điều trị xương khớp, 277 hợp chất hỗ trợ bệnh lý gan mật, 210 chất trị bệnh đường hô hấp và 155 chất hỗ trợ đái tháo đường, cung cấp cơ sở sinh học thực nghiệm vững chắc cho việc định danh đích phân tử (Molecular Target Identification).


Đổi mới và đóng góp

  1. Chuẩn hóa Hóa tin học toàn diện cho Dược liệu học Việt Nam: Lần đầu tiên tại Việt Nam, một CSDL hợp chất thiên nhiên được xây dựng hoàn chỉnh với đầy đủ các định dạng biểu diễn dòng chuẩn (SMILES, InChI, InChIKey) tương thích tuyệt đối với các phần mềm sàng lọc ảo hiện đại (AutoDock Vina, Schrödinger Glide, Discovery Studio).
  2. Phân loại bản thể học tự động theo phân tầng sâu: Khác với các CSDL quốc tế như NuBBE hay SANCDB vốn chỉ dừng lại ở các phân lớp chung chung, VNPD phân loại chi tiết đến từng phân nhóm nhỏ (Subclass). Ví dụ: phân nhóm Terpenoid được định vị chính xác trong siêu nhóm Prenol Lipids, đồng thời ghi nhận các phân lớp đặc hữu của tự nhiên Việt Nam như Hợp chất hữu cơ chứa lưu huỳnhNucleosid, Nucleotid.
  3. Cầu nối dữ liệu kép (Dân gian & Thực nghiệm): Tích hợp đồng thời tri thức bản địa Y học cổ truyền ("Nam dược trị Nam nhân") và các bằng chứng thực nghiệm dược lý hiện đại ($IC_{50}$, kháng tế bào ung thư, ức chế enzyme $\alpha$-glucosidase, NF-$\kappa$B), tạo điều kiện cho các nghiên cứu Reverse Pharmacology (Dược lý học đảo ngược).
  4. Tối ưu hóa hiệu năng nghiên cứu: Tiết kiệm ước tính 90% thời gian tra cứu tài liệu và mô hình hóa cấu trúc phân tử thủ công cho các nhóm nghiên cứu Hóa dược và Hóa tin sinh học tại Việt Nam.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong Sàng lọc ảo (Virtual Screening)

       [1.176 Hợp chất VNPD (Lipinski <= 1)]
        [Chuẩn bị cấu trúc phân tử 3D (LigPrep)]
       [Cập nhật cấu trúc Protein Đích (PDB)]
   (Ví dụ: Đích Protease 3CLpro của SARS-CoV-2)
      [Molecular Docking Hàng loạt (High-Throughput)]
 [Top 10 Hợp chất ái lực cao nhất (Binding Energy < -9.0 kcal/mol)]
        [Kiểm chứng Thực nghiệm In Vitro]

Chiến lược triển khai và yêu cầu hạ tầng

Hệ thống sẵn sàng đóng gói và triển khai trên môi trường máy chủ nội bộ hoặc Cloud (AWS, GCP, Viettel Cloud):

# Hướng dẫn triển khai môi trường sản xuất (Production Deployment)
sudo apt update && sudo apt install -y python3-pip python3-dev default-libmysqlclient-dev apache2 libapache2-mod-wsgi-py3
git clone https://github.com/vnpd-core/vnpd-database.git /var/www/vnpd
cd /var/www/vnpd && pip3 install -r requirements.txt
python3 manage.py migrate
python3 manage.py collectstatic --no-input
sudo cp vnpd_apache.conf /etc/apache2/sites-available/
sudo a2ensite vnpd_apache.conf && sudo systemctl restart apache2
  • Cấu hình máy chủ tối thiểu: CPU 2 Cores (Intel Xeon/Core i5), RAM 4GB, Ổ cứng SSD 20GB.
  • Khả năng mở rộng: Cơ sở dữ liệu phân vùng theo chỉ mục InChIKey, cho phép mở rộng dung lượng lên $100.000+$ cấu trúc mà thời gian phản hồi truy vấn vẫn duy trì dưới mức 100ms.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật hiện tại:
    • Dữ liệu cấu trúc hóa học chủ yếu được lưu trữ dưới định dạng 2D phẳng, chưa tự động tạo sẵn thư viện tọa độ không gian 3D (3D SDF/Mol2 Conformer).
    • Quy trình cập nhật bài báo khoa học mới vẫn thực hiện bán tự động (cần chuyên viên hóa dược kiểm tra).
    • Hệ thống mới triển khai trên môi trường máy chủ thử nghiệm cục bộ, chưa phát hành tên miền công cộng chính thức.
  • Hướng phát triển chiến lược:
    • Ứng dụng công cụ RDKit/OpenBabel để tự động tạo cấu trúc 3D tối ưu hóa năng lượng (Energy Minimization với trường lực MMFF94/UFF).
    • Bổ sung định danh số DOI cho 100% tài liệu tham khảo nguồn để liên kết trực tiếp với thư viện số quốc tế (PubMed, SciFinder).
    • Ứng dụng mô hình Trí tuệ Nhân tạo (Machine Learning/Deep Learning) dự đoán phổ hoạt tính sinh học (QSAR/ADMET Prediction) trực tiếp trên giao diện web.

Đối tượng hưởng lợi


Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần mềm để triển khai và chạy hệ thống VNPD là gì?

Hệ thống yêu cầu hệ điều hành Linux (Ubuntu Server 18.04/20.04 LTS hoặc CentOS 7+), Web Server Apache 2.4 với module mod_wsgi, Python 3.x/Django 1.10+, Hệ quản trị cơ sở dữ liệu MySQL 5.7+ hoặc MariaDB 10.3+. Đối với máy trạm người dùng, chỉ cần trình duyệt web hiện đại (Google Chrome, Firefox, Safari) hỗ trợ HTML5/JavaScript.

2. Hệ thống xử lý bài toán trùng lặp cấu trúc hóa học (Isomers/Tautomers) như thế nào?

VNPD sử dụng định dạng InChIKey (chuỗi băm cố định 27 ký tự từ mã InChI chuẩn IUPAC). Hai hợp chất nếu có cùng cấu trúc bộ khung, liên kết và hóa học lập thể (stereochemistry) sẽ tạo ra InChIKey hoàn toàn trùng khớp. Thuật toán kiểm tra khóa duy nhất trên trường inchikey_hash trong MySQL sẽ tự động gộp các báo cáo trùng lặp về cùng một bản ghi phân tử duy nhất.

3. Làm thế nào để tích hợp dữ liệu VNPD vào các phần mềm Sàng lọc ảo như AutoDock Vina?

Người dùng có thể xuất chuỗi SMILES hoặc tệp định dạng SDF từ VNPD, sau đó sử dụng công cụ OpenBabel hoặc RDKit để chuyển đổi sang định dạng .pdbqt (bổ sung nguyên tử Hydro phân cực và tính toán điện tích bán kinh nghiệm Gasteiger) để tiến hành docking phân tử tự động hàng loạt.

4. Chi phí vận hành và bảo trì cơ sở dữ liệu ước tính là bao nhiêu?

Nhờ kiến trúc hoàn toàn dựa trên các công nghệ mã nguồn mở (Python, Django, MySQL, Apache), chi phí bản quyền phần mềm là 0 USD. Chi phí duy trì hệ thống chỉ bao gồm chi phí thuê máy chủ Cloud/VPS (khoảng 10 - 20 USD/tháng) và nhân sự cập nhật định kỳ các công trình khoa học mới.

5. Khả năng mở rộng (Scalability) của VNPD khi số lượng hợp chất tăng lên hàng chục nghìn?

Bảng dữ liệu tbl_compounds được tối ưu hóa với các chỉ mục B-Tree trên các trường tìm kiếm trọng yếu (inchikey_hash, lipinski_violations). Kiến trúc Django ORM cho phép dễ dàng tích hợp thêm các giải pháp CSDL chuyên dụng cho Hóa tin học như PostgreSQL kết hợp extension RDKit cartridge để tăng tốc tìm kiếm cấu trúc con (substructure search) và độ tương đồng phân tử (Tanimoto similarity search) với hàng triệu hợp chất.


Kết luận

Đề tài khóa luận tốt nghiệp "Bước đầu xây dựng cơ sở dữ liệu các hợp chất thiên nhiên Việt Nam phục vụ cho việc sàng lọc ảo" đã đặt nền móng kỹ thuật vững chắc cho chuyên ngành Hóa tin sinh học và Thiết kế thuốc hỗ trợ bởi máy tính (CADD) tại Việt Nam. Dự án đã chuẩn hóa thành công 1.376 hợp chất hóa học từ 311 loài dược thảo, chứng minh hơn 85% hợp chất đạt chuẩn dược động học Lipinski và phát triển hệ thống web quản trị dữ liệu VNPD trực quan, hiện đại. Đây là bước tiến công nghệ quan trọng, góp phần nâng tầm giá trị kho tàng tri thức Y học cổ truyền Việt Nam, mở ra triển vọng phát triển các dòng thuốc mới đặc trị mang thương hiệu quốc gia.