Trí tuệ nhân tạo thúc đẩy thiết kế mạch di truyền dựa trên dữ liệu

Lĩnh vực thiết kế mạch di truyền đang trải qua một bước chuyển mình mạnh mẽ, từ phương pháp thử sai truyền thống sang một quy trình được điều khiển bởi tính toán và các mô hình dự đoán. Sự thay đổi này đang đưa công nghệ sinh học tiến gần hơn đến một ngành kỹ thuật thực thụ. Về bản chất, mạch di truyền là một chuỗi DNA có cấu trúc, đóng vai trò điều chỉnh hoạt động của gen theo các quy tắc logic xác định, cho phép lập trình tế bào thực hiện các chỉ thị cụ thể. Những mạch này có thể hoạt động như các công tắc, bộ dao động hoặc hệ thống ghi nhớ, tổ chức thông tin di truyền để kiểm soát hành vi tế bào một cách có thể dự đoán được. Phạm vi ứng dụng của chúng rất rộng lớn, từ việc điều chỉnh phản ứng miễn dịch đến kiểm soát quá trình tổng hợp các phân tử quý giá trong cơ thể, mở ra hướng đi cho các chiến lược trị liệu tế bào phức tạp hơn.

Một bước đột phá quan trọng được công bố trên tạp chí Nature vào tháng 1 năm 2026 là sự phát triển của công nghệ CLASSIC (Combining Long- and Short-range Sequencing to Investigate Genetic Complexity) bởi các nhà nghiên cứu tại Đại học Rice. Công nghệ này cho phép thiết kế và thử nghiệm đồng thời hàng trăm nghìn hoặc thậm chí hàng triệu giải pháp thiết kế mạch di truyền khác nhau chỉ trong một bước phân tích duy nhất. Để theo dõi hoạt động của các mạch này trong tế bào người được nuôi cấy với hiệu suất cao, các nhà nghiên cứu đã liên kết mỗi sơ đồ với sự biểu hiện của một protein huỳnh quang. Việc đo độ sáng của ánh sáng huỳnh quang giúp đánh giá hành vi của từng biến thể, trong khi việc giải trình tự các mã vạch liên kết sau đó đã tạo ra một bản đồ chi tiết, kết nối trình tự DNA cụ thể với kiểu hình tế bào quan sát được. Giáo sư Caleb Bashor từ Viện Sinh học Tổng hợp Rice nhấn mạnh rằng phương pháp này giúp lập bản đồ từ trình tự đến hành vi, giống như việc tìm thấy "chiếc kim trong đống cỏ khô".

Quá trình lập bản đồ quy mô lớn thu được từ các thí nghiệm đã cung cấp nền tảng dữ liệu thiết yếu để huấn luyện các mô hình Học máy và Trí tuệ nhân tạo (AI). Các mô hình này đã chứng minh khả năng nhận diện những đặc điểm của trình tự DNA tương ứng với các biểu hiện chức năng cụ thể, với độ chính xác trong việc dự đoán chức năng vượt xa các mô hình chỉ dựa trên các nguyên lý vật lý đơn thuần. Cách tiếp cận tính toán này là nền tảng then chốt, đặc biệt trong bối cảnh môi trường sinh học phức tạp của tế bào người. Khác với các phương pháp truyền thống như "DNA origami" do Paul Rothemund đề xuất vào năm 2006 — vốn đòi hỏi quá trình tính toán lại tốn kém và mất thời gian cho mỗi cấu trúc mới — phương pháp tiếp cận bằng AI cho phép vượt qua những hạn chế này. Kết quả là sự ra đời của một công cụ dự đoán có khả năng đề xuất trước các trình tự mạch mới với những đặc tính mong muốn.

Việc chứng minh hiệu quả của phương pháp tiếp cận hệ thống do AI dẫn dắt trong hệ thống tế bào người đang mở đường cho việc thiết kế các liệu pháp tế bào tiên tiến một cách nhanh chóng và hợp lý hơn kể từ năm 2026. Điều này đưa việc chế tạo di truyền thoát khỏi khuôn mẫu của các thí nghiệm lặp đi lặp lại để bước vào lĩnh vực kỹ thuật dựa trên dữ liệu. Trong các lĩnh vực liên quan, công ty Basecamp Research đã giới thiệu mô hình EDEN, được huấn luyện trên dữ liệu tiến hóa để thiết kế các công cụ phân tử nhằm chèn các đoạn DNA lớn một cách có lập trình. Công nghệ này đã cho phép tạo ra các tế bào CAR-T có khả năng tiêu diệt hơn 90% tế bào ung thư trong điều kiện phòng thí nghiệm. Do đó, sự chuyển dịch sang thiết kế kỹ thuật được hỗ trợ bởi AI đang trở thành xu hướng chủ đạo trong nghiên cứu công nghệ sinh học, hướng tới việc tạo ra các hệ thống tế bào và giải pháp trị liệu phức tạp.

Sự kết hợp giữa dữ liệu thực nghiệm khổng lồ và sức mạnh xử lý của AI không chỉ rút ngắn thời gian nghiên cứu mà còn giảm thiểu đáng kể chi phí phát triển các loại thuốc mới. Thay vì phải dựa vào may mắn trong các thử nghiệm lâm sàng sơ khởi, các nhà khoa học giờ đây có thể mô phỏng và tối ưu hóa các tương tác di truyền ngay trên máy tính trước khi tiến hành thực nghiệm. Kỷ nguyên của sinh học lập trình đang thực sự bắt đầu, hứa hẹn những đột phá chưa từng có trong việc điều trị các bệnh nan y và cá nhân hóa y học dựa trên bản đồ gen của từng bệnh nhân.