Gấp protein — câu đố nửa thế kỷ mà AI giải trong phút

Viên paracetamol và câu hỏi không ai trả lời nổi

Sáng nay bạn nhức đầu, quăng viên paracetamol vào miệng, tu ngụm cà phê rồi quên mất. Nhưng tôi kể bạn nghe chuyện này: viên thuốc đó chỉ hoạt động vì phân tử thuốc có hình dạng khớp đúng với một protein trong cơ thể bạn — như chìa khóa tra vào ổ khóa. Sai hình, thuốc vô dụng. Đúng hình, cơn đau tan.

Vấn đề là cơ thể bạn có khoảng 20.000 loại protein khác nhau. Mỗi loại tự gấp thành một hình 3D cực kỳ rắc rối. Muốn chế thuốc mới cho bất kỳ bệnh nào, bước đầu tiên là phải biết cái protein đích trông ra sao — rồi mới thiết kế "chìa khóa" vừa khớp. Mà tìm ra hình dạng một protein duy nhất bằng thí nghiệm truyền thống — chụp tia X, kính hiển vi đông lạnh — có khi mất cả năm, tốn bạc triệu đô.

Năm mươi năm, giới sinh học gọi đây là "bài toán gấp protein" và xếp nó vào hạng thử thách khó nhất hành tinh.

Rồi một cỗ máy AI ngồi xuống, giải xong trong vài phút. Tôi không nói quá.

Con origami phân tử: AlphaFold và cú sốc đoạt Nobel

Cuối năm 2020, nhóm nghiên cứu DeepMind (thuộc Google) do Demis Hassabis và John Jumper dẫn đầu mang AlphaFold 2 đến cuộc thi dự đoán cấu trúc protein quốc tế CASP14. Kết quả khiến hội trường chết lặng: độ chính xác trung bình trên 90 điểm GDT — gần ngang với đo bằng thí nghiệm thật (Jumper et al., Nature, 2021).

Hình dung thế này cho dễ: protein là một sợi dây chuỗi hạt. Sợi dây đó tự gấp lại thành hình 3D — giống bạn lấy tờ giấy A4 gấp origami con hạc. Cùng tờ giấy, gấp khác nhau ra hình khác nhau. Protein cũng vậy: cùng chuỗi amino acid, cách gấp quyết định nó làm gì trong cơ thể — tiêu hóa thức ăn, truyền tín hiệu thần kinh, hay đánh nhau với virus.

Nhà toán sinh Cyrus Levinthal chỉ ra nghịch lý từ năm 1969: một protein nhỏ có thể gấp theo số cách lớn hơn số nguyên tử trong vũ trụ quan sát được. Nếu thử lần lượt, mất lâu hơn tuổi thọ vũ trụ. Vậy mà trong tế bào bạn, protein gấp xong trong phần nghìn giây. Thiên nhiên biết mẹo. Con người loay hoay nửa thế kỷ không hiểu mẹo đó — cho đến khi AI học được.

Tháng 5 năm 2024, DeepMind công bố AlphaFold 3 (Abramson et al., Nature, 2024). Phiên bản mới đáng sợ hơn hẳn: không chỉ dự đoán hình dạng protein đơn lẻ, mà còn mô phỏng cách protein tương tác với DNA, RNA, phân tử thuốc nhỏ, ion kim loại — gần như toàn bộ ngôn ngữ hóa sinh bên trong tế bào sống.

Cùng năm đó, Giải Nobel Hóa học 2024 trao cho Hassabis và Jumper, cùng David Baker (Đại học Washington) — người thiết kế protein nhân tạo. Ủy ban Nobel hiếm khi trao giải cho công trình mới đến vậy. Họ không đợi nổi.

Năm mươi năm mò kim đáy bể — rồi bật đèn cả đại dương

Để bạn thấy vì sao giới khoa học nổi da gà, tôi kể cái giá trước AlphaFold.

Phương pháp cổ điển — chụp X-quang tinh thể học — đòi hỏi phải kết tinh protein trước. Mà nhiều protein quan trọng nhất, ví dụ protein trên màng tế bào (chính là đích nhắm của hơn một nửa số thuốc trên thị trường), cực kỳ khó kết tinh. Một cấu trúc có thể ngốn vài năm ròng và hàng triệu đô la. Kính hiển vi điện tử đông lạnh (cryo-EM) nhanh hơn, nhưng thiết bị đắt kinh hoàng và vẫn cần chuyên gia bậc cao vận hành.

Kết quả? Sau hàng chục năm nỗ lực toàn cầu, Ngân hàng Dữ liệu Protein (PDB) chỉ tích lũy được khoảng 170.000 cấu trúc đến năm 2020. Nghe nhiều, nhưng so với hàng trăm triệu protein tồn tại trong tự nhiên thì như mấy hạt cát trên bãi biển.

AlphaFold phá vỡ nút thắt. Năm 2022, DeepMind phối hợp với Viện Tin sinh học châu Âu (EMBL-EBI) công bố cơ sở dữ liệu AlphaFold chứa hơn 200 triệu cấu trúc protein dự đoán — gần toàn bộ protein đã biết của mọi loài sinh vật trên Trái Đất (Varadi et al., Nucleic Acids Research, 2022). Miễn phí hoàn toàn. Một phòng thí nghiệm ở Đại học Bách khoa Hà Nội truy cập được cùng dữ liệu với Harvard.

AlphaFold 3 thêm một tầng nữa: mô phỏng cách phân tử thuốc bám vào protein đích, cách protein ôm lấy DNA để bật tắt gen. Đây chính xác là thông tin các hãng dược cần để thiết kế thuốc — thứ trước đây mất nhiều năm thí nghiệm, giờ có bản nháp đầu tiên trong vài phút.

Từ phòng thí nghiệm vào viên thuốc, ruộng lúa, bãi rác

Nghe "gấp protein" hàn lâm quá? Nó đang len vào đời bạn nhanh hơn bạn nghĩ.

Thuốc mới, nhanh hơn. Phát triển một loại thuốc mới truyền thống mất trung bình 10–15 năm, tốn ước tính 1–2 tỷ USD (theo Tufts Center for the Study of Drug Development). AlphaFold giúp sàng lọc hàng triệu phân tử ứng viên trên máy tính trong vài ngày thay vì vài năm trong phòng thí nghiệm. Isomorphic Labs — công ty con của Google DeepMind — đang hợp tác với hai gã khổng lồ dược phẩm Eli Lilly và Novartis để đưa quy trình này vào thiết kế thuốc thật. Đây là giai đoạn đang thử nghiệm, chưa có thuốc hoàn chỉnh ra thị trường hoàn toàn nhờ AlphaFold, nhưng đường ống đang chảy.

Kháng sinh thế hệ mới. Vi khuẩn kháng thuốc gây khoảng 1,27 triệu ca tử vong trực tiếp trên toàn cầu mỗi năm (Murray et al., The Lancet, 2022). Hiểu chính xác cấu trúc protein vi khuẩn giúp thiết kế kháng sinh nhắm trúng đích — khó bị kháng hơn, ít tác dụng phụ hơn.

Nông nghiệp Việt Nam. Hiểu protein thực vật nghĩa là hiểu cách cây chống bệnh, chịu hạn, hấp thu dinh dưỡng. Việt Nam hoàn toàn có thể dùng AlphaFold để nghiên cứu giống lúa kháng đạo ôn, cải tiến cà phê robusta Tây Nguyên, hay tìm enzyme phân hủy dư lượng thuốc trừ sâu trong đất — mà không cần ngân sách phòng thí nghiệm hàng triệu đô.

Ăn nhựa. Enzyme PETase — loại enzyme phân hủy nhựa PET, phát hiện ở vi khuẩn Ideonella sakaiensis (Yoshida et al., Science, 2016) — đang được cải tiến bằng AlphaFold. Các nhóm nghiên cứu thiết kế phiên bản PETase mạnh hơn, chịu nhiệt tốt hơn, hướng tới xử lý rác thải nhựa quy mô công nghiệp.

Thịt thực vật. Ngành thịt từ thực vật (plant-based meat) dùng kiến thức cấu trúc protein đậu nành, đậu Hà Lan để tạo kết cấu giống thịt thật. Hiểu protein ở cấp phân tử giúp "thịt chay" ngon hơn, và AlphaFold rút ngắn nghiên cứu này đáng kể.

Cơ hội vàng cho người biết nhìn trước

Đây không phải kiểu hype "AI thay thế mọi thứ." Đây là kiểu "AI mở ra những nghề chưa từng tồn tại." Ngành sinh học tính toán đang thiếu người trầm trọng trên toàn cầu, và rào cản gia nhập thấp hơn bạn nghĩ.

Thị trường AI trong khám phá thuốc toàn cầu được ước tính đạt khoảng 4 tỷ USD vào năm 2027 (theo báo cáo Grand View Research). Việt Nam có bài để chơi: chi phí nhân lực cạnh tranh, nguồn sinh viên CNTT dồi dào, nhu cầu nội địa lớn về dược phẩm, nông nghiệp, thủy sản. Không cần phòng thí nghiệm triệu đô — cần laptop, Python, và đầu óc chịu học.

Nấc thang mới của loài người — và một lời nhắc tỉnh táo

AlphaFold không chỉ là công cụ. Nó là bằng chứng sống rằng AI có thể giải những bài toán khoa học cơ bản mà con người loay hoay hàng thập kỷ.

Bệnh hiếm? Có khoảng 7.000 bệnh hiếm được ghi nhận, phần lớn liên quan protein bất thường, hầu hết chưa có thuốc. AlphaFold cho phép nghiên cứu các protein này mà không cần ngân sách khổng lồ — lần đầu tiên, phòng thí nghiệm nhỏ ở các nước đang phát triển có vũ khí ngang hàng với viện nghiên cứu giàu nhất. Ung thư? Hiểu cách protein đột biến gấp sai giúp thiết kế liệu pháp nhắm trúng đích — hướng đang được thử nghiệm tích cực. Khí hậu? Enzyme cố định carbon, enzyme phân hủy nhựa — tất cả bắt đầu từ hiểu cấu trúc protein.

Nhưng — và đây là chỗ phải lạnh đầu. AlphaFold dự đoán cấu trúc, không phải chân lý tuyệt đối. Độ chính xác rất cao nhưng chưa hoàn hảo, đặc biệt với các vùng protein vốn linh hoạt, không có hình dạng cố định (gọi là intrinsically disordered regions). Mọi dự đoán vẫn cần kiểm chứng bằng thực nghiệm trước khi đưa vào sản xuất thuốc cho người. Và một câu hỏi nặng hơn: khi ai cũng có thể thiết kế protein trên máy tính, ranh giới giữa nghiên cứu có ích và rủi ro an ninh sinh học mỏng đi trông thấy. Cộng đồng khoa học đang thảo luận nghiêm túc về cơ chế giám sát.

AlphaFold đã được chứng minh là công cụ dự đoán cấu trúc protein chính xác nhất hiện nay. Ứng dụng vào thiết kế thuốc và vật liệu sinh học đang được thử nghiệm tích cực. Nhưng viên thuốc cụ thể nào ra đời hoàn toàn nhờ AlphaFold? Đó vẫn là kỳ vọng đang trên đường hiện thực hóa. Và khoảng cách giữa "dự đoán đúng" và "chữa được bệnh" vẫn còn — ngắn hơn trước rất nhiều, nhưng vẫn còn.

Điều khiến tôi nổi da gà nhất không phải con số hay giải Nobel. Mà là ý tưởng rằng mọi phân tử protein trên hành tinh này — từ con virus nhỏ nhất đến cái cây ngoài ban công nhà bạn — giờ đều có bản vẽ 3D, miễn phí, cho bất kỳ ai muốn đọc. Lần đầu tiên, bản thiết kế của sự sống không còn bị khóa sau cánh cửa phòng thí nghiệm triệu đô.

Bảng chấm và nguồn tham khảo

Nguồn tham khảo:

1. Jumper, J. et al., "Highly accurate protein structure prediction with AlphaFold," Nature, 596, 583–589, 2021.

2. Abramson, J. et al., "Accurate structure prediction of biomolecular interactions with AlphaFold 3," Nature, 630, 2024.

3. Nobel Prize Committee, "The Nobel Prize in Chemistry 2024," nobelprize.org, 2024.

4. Varadi, M. et al., "AlphaFold Protein Structure Database: massively expanding the structural coverage of protein-sequence space with high-accuracy models," Nucleic Acids Research, 50, D439–D444, 2022.

5. Murray, C.J. et al., "Global burden of bacterial antimicrobial resistance in 2019: a systematic analysis," The Lancet, 399, 629–655, 2022.

6. Yoshida, S. et al., "A bacterium that degrades and assimilates poly(ethylene terephthalate)," Science, 351, 1196–1199, 2016.

7. Levinthal, C., "How to fold graciously," Mössbauer Spectroscopy in Biological Systems, University of Illinois, 1969.