Ngày nay, một số nhà nghiên cứu đang tận dụng trí tuệ nhân tạo (AI) để tiến gần hơn đến mục tiêu xây dựng tế bào ảo. Theo đó, DeepMind của Google đang phát triển dự án này, trong khi Sáng kiến Chan Zuckerberg (CZI) cũng coi tế bào ảo là trọng tâm chính trong mạng lưới nghiên cứu Biohub của họ. Thậm chí, Viện Arc đã lập ra một giải thưởng mới dành riêng cho các mô hình mô phỏng tế bào ảo.
Mục tiêu chung của những nỗ lực này là dự đoán một cách chi tiết hoạt động của cả tế bào khỏe mạnh và tế bào bệnh lý, nhằm đẩy nhanh quá trình phát triển thuốc cũng như thúc đẩy các khám phá khoa học. Một số người còn tin rằng tế bào ảo sẽ giúp đơn giản hóa nghiên cứu cơ bản, đưa nhà khoa học từ bàn thí nghiệm trực tiếp lên màn hình máy tính.
CUỘC CÁCH MẠNG THẦM LẶNG
Định nghĩa chính xác về tế bào ảo có sự khác biệt tùy theo quan điểm của từng nhà khoa học. Một số chuyên gia như Graham Johnson, nhà sinh học tính toán kiêm họa sĩ khoa học tại Viện Allen về Khoa học Tế bào, kỳ vọng rằng tế bào ảo sẽ bao gồm một biểu diễn hình ảnh có thể tương tác, cho phép người dùng khám phá từng phần một cách trực quan.
Trong khi đó, một số người khác xem tế bào ảo chủ yếu là một tập hợp các chương trình máy tính có khả năng trả lời câu hỏi và dự đoán các diễn biến có thể xảy ra. Tuy nhiên, khái niệm này không phải là mới mẻ.
Trong nhiều thập kỷ qua, các nhà sinh học đã xây dựng các mô hình toán học mô phỏng các quá trình tế bào, dựa trên dữ liệu thực nghiệm từ tế bào thật và phát triển các phương trình mô tả hoạt động bên trong tế bào.
Ngày nay, nhờ vào công nghệ hiện đại giúp theo dõi hoạt động của từng tế bào đơn lẻ, lượng dữ liệu về tế bào người dồi dào hơn bao giờ hết. Việc xác định các phương trình cho từng quá trình và tích hợp chúng thành một hệ thống tổng thể vẫn là một nhiệm vụ vô cùng phức tạp và to lớn.
Stephen Quake, giáo sư tại Đại học Stanford và cựu trưởng khoa học tại CZI, nhận xét rằng phương pháp truyền thống, tức là xây dựng mô hình thủ công, chỉ đạt được thành công hạn chế.
Ông và các cộng sự đã công bố một bài báo trình bày tầm nhìn về một phương pháp mới. Trong đó dữ liệu tế bào được cung cấp trực tiếp cho các hệ thống AI chuyên biệt
"Chúng ta xây dựng các mô hình có khả năng học trực tiếp từ dữ liệu, thay vì phải viết ra các phương trình", Quake chia sẻ
Nhóm nghiên cứu của ông đã đạt được những kết quả bước đầu rất đáng chú ý. Họ sử dụng dữ liệu về tế bào từ 12 loài khác nhau để huấn luyện AI. Hệ thống này sau đó có thể dự đoán chính xác về các tế bào của những loài chưa từng được biết đến trước đó.
Đồng thời, AI còn có khả năng suy luận được mối quan hệ giữa các loại tế bào trong một loài mà không cần dữ liệu trước về các mối liên kết này. Quake cho biết, chính điều này đã khiến ông rất hào hứng với hướng tiếp cận mới mẻ này.
Một nhóm nghiên cứu khác bao gồm các chuyên gia tại Google DeepMind cũng đang khám phá việc sử dụng AI để tạo ra tế bào ảo. Họ đã huấn luyện các hệ thống AI trên bộ dữ liệu lớn về tế bào, cho phép người sử dụng đặt các câu hỏi như “Tế bào này sẽ phản ứng như thế nào với loại thuốc này?” và nhận được câu trả lời về những phần của tế bào có khả năng bị ảnh hưởng.
Đây chỉ là một vài trong số nhiều phương pháp mà các nhà khoa học đang phát triển nhằm hướng tới việc tạo ra tế bào ảo. Có khả năng trong tương lai sẽ xuất hiện nhiều loại tế bào ảo khác nhau, phục vụ cho các mục đích nghiên cứu riêng biệt.
Chẳng hạn, tế bào ảo dành cho nhà sinh học ung thư có thể khác biệt so với tế bào ảo dành cho nhà sinh học tế bào nghiên cứu quá trình tiến hóa của một cấu trúc nào đó. Ngoài ra, cũng có thể kết hợp cả các mô hình truyền thống với AI để đạt được hiệu quả tối ưu.
GIẤC MƠ THAY ĐỔI CÁCH CON NGƯỜI CHỮA BỆNH
Tế bào ảo có tiềm năng giúp phát hiện thuốc mới một cách nhanh chóng và dễ dàng hơn. Chúng cũng cung cấp những hiểu biết sâu sắc về cách các tế bào ung thư né tránh hệ miễn dịch, cũng như cách một bệnh nhân cụ thể phản ứng với các liệu pháp điều trị.
Bên cạnh đó, tế bào ảo còn hỗ trợ các nhà khoa học cơ bản trong việc đề xuất giả thuyết về cơ chế hoạt động của tế bào, từ đó giúp họ xác định những thí nghiệm nên thực hiện trên tế bào thật.
Stephen Quake cho rằng, mục tiêu chung là biến lĩnh vực sinh học tế bào từ một ngành 90% dựa vào thí nghiệm và chỉ 10% sử dụng tính toán thành ngược lại.
Dù vậy, một số nhà khoa học vẫn bày tỏ sự nghi ngờ về độ hữu ích của các dự đoán do AI tạo ra nếu hệ thống không thể giải thích được lý do đằng sau những dự đoán đó.
Erick Armingol, nhà sinh học hệ thống và nghiên cứu sinh tại Viện Wellcome Sanger (Anh) nhận xét, các mô hình AI hiện nay thường hoạt động như một hộp đen, tức là chỉ đưa ra câu trả lời mà không giải thích được nguyên nhân.
Theo anh, dù các câu trả lời dạng này có thể hữu ích trong phát triển thuốc, nhưng không thật sự phù hợp với nhu cầu của các nhà khoa học cơ bản, ít nhất là theo cách mà nhiều AI đang được thiết lập hiện nay.
Ngược lại, Karaletsos từ CZI cho biết, một số AI của họ được thiết kế để cung cấp các lời giải thích về lý do đưa ra kết luận, bởi mục tiêu của họ không chỉ là dự đoán mà còn là hiểu biết.
Graham Johnson, người đã công bố một bài báo vào năm 2023 về tầm quan trọng của việc xây dựng tế bào ảo, bày tỏ hy vọng rằng bất kỳ mô hình nào được phát triển cuối cùng cũng sẽ có khả năng được trực quan hóa.
Theo Johnson, lý tưởng nhất là tạo ra một phiên bản trực quan, tương tác và dễ hiểu của một hệ thống phức tạp. Trong đó, AI là yếu tố then chốt để thực hiện điều này, đồng thời anh không quan tâm đến các dự đoán hộp đen chỉ mang tính chất kết quả cuối cùng mà không có khả năng giải thích.
Dù được xây dựng như thế nào, việc đưa các tế bào ảo vào ứng dụng thực tế có thể còn phải chờ đợi một khoảng thời gian dài. Đây không phải là công việc có thể hoàn thành trong vòng một năm mà có thể mất đến cả thập kỷ để khai thác hết tiềm năng của nó.
Johnson nhận thấy những tiến bộ vượt bậc trong sinh học tế bào và khoa học máy tính đã thay đổi căn bản triển vọng về một ngày có thể sở hữu tế bào ảo. Bây giờ cảm giác không còn giống như đang mơ mộng viển vông mà mọi thứ đã trở nên khả thi hơn rất nhiều.