Trung Đào✔
Writer
Anthropic vừa công bố một thử nghiệm đáng chú ý: Claude được giao nhiệm vụ tự thiết kế các protein mới có khả năng bám vào những protein mục tiêu. Trong 15 mục tiêu được đưa ra, Claude tạo ra thiết kế có khả năng liên kết với 14 mục tiêu. Tổng cộng 1.320 thiết kế được tạo ra, trong đó 354 thiết kế được hai phòng thí nghiệm độc lập xác nhận là có hiệu quả, tương đương tỷ lệ thành công 26,8%, cao hơn mức 10% đến 15% thường được ghi nhận trong lĩnh vực này.
Điểm đáng chú ý không chỉ nằm ở tỷ lệ thành công, mà ở chỗ Claude tự thực hiện gần như toàn bộ quy trình thiết kế. Các nhà nghiên cứu chỉ cung cấp mục tiêu, tài liệu hướng dẫn và quyền truy cập vào máy chủ. Claude tự lựa chọn vị trí cần nhắm tới, lựa chọn công cụ, chạy mô hình, đánh giá kết quả, loại bỏ các thiết kế kém, tiếp tục tối ưu và chọn ra những mẫu tốt nhất để gửi đi tổng hợp, thử nghiệm.
Claude không tự phát minh ra những công cụ này. Nó sử dụng các mô hình mã nguồn mở như RFdiffusion, ProteinMPNN và ESMFold2, vốn đã được các nhà khoa học phát triển trước đó. Điểm mới là Claude có thể tự kết hợp nhiều công cụ thành một quy trình hoàn chỉnh, thay vì con người phải quyết định từng bước.
Đây cũng là điểm khác biệt quan trọng so với AlphaFold. AlphaFold chủ yếu giải quyết bài toán dự đoán cấu trúc protein từ một trình tự đã biết. Trong thử nghiệm này, Claude chỉ được cung cấp thông tin về protein mục tiêu và phải tìm cách thiết kế một protein hoàn toàn mới có thể liên kết với nó.
Kết quả ở một số mục tiêu đặc biệt đáng chú ý. Với RBX1, một mục tiêu từng được đưa vào cuộc thi thiết kế protein với 245 thiết kế từ các nhóm trên thế giới nhưng chỉ có 9 thiết kế thành công, Claude tạo ra 90 thiết kế và có 28 thiết kế hoạt động. Thiết kế tốt nhất còn cho khả năng liên kết mạnh hơn khoảng 10 lần so với thiết kế đoạt giải trong cuộc thi trước đó.
Với TNFα, một protein liên quan đến cơ chế hoạt động của thuốc Humira, Claude cũng tạo ra một số thiết kế có khả năng liên kết với protein này ở người, khỉ và chuột. Tuy nhiên, Claude không phải lúc nào cũng thành công. Với mục tiêu MBP, cả 90 thiết kế đều thất bại.
Trong các chế độ thử nghiệm khác nhau, Claude đạt tỷ lệ thành công khoảng 22% đến 35%, cao hơn mức trung bình 10% đến 15% của lĩnh vực thiết kế protein. Nếu chỉ xét thiết kế được hệ thống xếp hạng cao nhất, tỷ lệ thành công đạt khoảng 49%.
Điều này không có nghĩa Claude đã "tạo ra thuốc". Protein liên kết mới chỉ là một bước trong quá trình phát triển thuốc. Sau đó còn phải kiểm tra độ an toàn, độc tính, hiệu quả và trải qua các giai đoạn thử nghiệm tiền lâm sàng, lâm sàng kéo dài nhiều năm. Các cấu trúc trong thử nghiệm cũng chủ yếu được dự đoán bằng máy tính và chưa được xác nhận bằng cấu trúc thực nghiệm.
Điều đáng chú ý nhất là AI đa năng giờ đây có thể tự thực hiện một quy trình nghiên cứu vốn thường cần nhiều tuần làm việc của chuyên gia, rồi tạo ra những thiết kế được kiểm chứng trong phòng thí nghiệm chỉ sau khoảng 24 đến 48 giờ. Đây là một bước tiến rất khác so với việc AI đơn thuần trả lời câu hỏi hay hỗ trợ nhà khoa học.
Tài liệu tham khảo:
Điểm đáng chú ý không chỉ nằm ở tỷ lệ thành công, mà ở chỗ Claude tự thực hiện gần như toàn bộ quy trình thiết kế. Các nhà nghiên cứu chỉ cung cấp mục tiêu, tài liệu hướng dẫn và quyền truy cập vào máy chủ. Claude tự lựa chọn vị trí cần nhắm tới, lựa chọn công cụ, chạy mô hình, đánh giá kết quả, loại bỏ các thiết kế kém, tiếp tục tối ưu và chọn ra những mẫu tốt nhất để gửi đi tổng hợp, thử nghiệm.
Claude không tự phát minh ra những công cụ này. Nó sử dụng các mô hình mã nguồn mở như RFdiffusion, ProteinMPNN và ESMFold2, vốn đã được các nhà khoa học phát triển trước đó. Điểm mới là Claude có thể tự kết hợp nhiều công cụ thành một quy trình hoàn chỉnh, thay vì con người phải quyết định từng bước.
Đây cũng là điểm khác biệt quan trọng so với AlphaFold. AlphaFold chủ yếu giải quyết bài toán dự đoán cấu trúc protein từ một trình tự đã biết. Trong thử nghiệm này, Claude chỉ được cung cấp thông tin về protein mục tiêu và phải tìm cách thiết kế một protein hoàn toàn mới có thể liên kết với nó.
Kết quả ở một số mục tiêu đặc biệt đáng chú ý. Với RBX1, một mục tiêu từng được đưa vào cuộc thi thiết kế protein với 245 thiết kế từ các nhóm trên thế giới nhưng chỉ có 9 thiết kế thành công, Claude tạo ra 90 thiết kế và có 28 thiết kế hoạt động. Thiết kế tốt nhất còn cho khả năng liên kết mạnh hơn khoảng 10 lần so với thiết kế đoạt giải trong cuộc thi trước đó.
Với TNFα, một protein liên quan đến cơ chế hoạt động của thuốc Humira, Claude cũng tạo ra một số thiết kế có khả năng liên kết với protein này ở người, khỉ và chuột. Tuy nhiên, Claude không phải lúc nào cũng thành công. Với mục tiêu MBP, cả 90 thiết kế đều thất bại.
Trong các chế độ thử nghiệm khác nhau, Claude đạt tỷ lệ thành công khoảng 22% đến 35%, cao hơn mức trung bình 10% đến 15% của lĩnh vực thiết kế protein. Nếu chỉ xét thiết kế được hệ thống xếp hạng cao nhất, tỷ lệ thành công đạt khoảng 49%.
Anthropic/claude-protein-binder-design at main
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
huggingface.co
Điều này không có nghĩa Claude đã "tạo ra thuốc". Protein liên kết mới chỉ là một bước trong quá trình phát triển thuốc. Sau đó còn phải kiểm tra độ an toàn, độc tính, hiệu quả và trải qua các giai đoạn thử nghiệm tiền lâm sàng, lâm sàng kéo dài nhiều năm. Các cấu trúc trong thử nghiệm cũng chủ yếu được dự đoán bằng máy tính và chưa được xác nhận bằng cấu trúc thực nghiệm.
Điều đáng chú ý nhất là AI đa năng giờ đây có thể tự thực hiện một quy trình nghiên cứu vốn thường cần nhiều tuần làm việc của chuyên gia, rồi tạo ra những thiết kế được kiểm chứng trong phòng thí nghiệm chỉ sau khoảng 24 đến 48 giờ. Đây là một bước tiến rất khác so với việc AI đơn thuần trả lời câu hỏi hay hỗ trợ nhà khoa học.
Tài liệu tham khảo:
