Nghiên cứu kéo dài tuổi thọ con người khi kết hợp dữ liệu sinh học AI

Trong vài thập kỷ qua, chăm sóc sức khỏe đã được hưởng lợi từ những tiến bộ trong công nghệ omics và tin sinh học. Những phát triển này đã giúp xác định các chỉ dấu sinh học và mục tiêu thuốc mới để hướng dẫn phát triển các chiến lược điều trị cải tiến nhằm chống lại bệnh tật

Ngày nay, sự hội tụ của trí tuệ nhân tạo (AI), sinh học hệ thống và dữ liệu đa-omics theo chiều dọc đang đẩy ranh giới của chăm sóc sức khỏe theo một hướng khác: về phía chăm sóc sức khỏe toàn diện, phòng ngừa và y học chính xác.

“Chúng ta đang ở ngưỡng cửa của điều mà chúng ta đã mơ ước trong nhiều thập kỷ”, ông Mathias Uhlén, giáo sư vi sinh vật học tại Viện Công nghệ Hoàng gia Thụy Điển (KTH) và là giám đốc sáng lập Phòng thí nghiệm Khoa học vì Sự sống ( SciLifeLab ), một trong những trung tâm sinh học phân tử hàng đầu châu Âu, cho biết. “Cuối cùng chúng ta cũng có thể hình dung ra việc chuyển đổi sự phát triển liệu pháp và thúc đẩy y học chính xác.”

Cốt lõi của sự chuyển đổi này nằm ở dữ liệu sinh học lớn: các tập dữ liệu khổng lồ tích hợp hệ gen, biểu sinh, phiên mã, protein, chuyển hóa, lipid, metagenomic, v.v. Các nhà khoa học có thể kết hợp dữ liệu đa hệ gen với thông tin về lối sống và môi trường theo chiều dọc từ chế độ ăn uống, hình ảnh y tế, hồ sơ sức khỏe điện tử và cảm biến đeo được . Nhìn chung, góc nhìn sinh học động này được gọi là hiện tượng.

“AI, sinh học hệ thống và dữ liệu sinh học lớn đang thu hẹp khoảng cách giữa cơ chế phân tử và kiểu hình”, ông Adil Mardinoglu, giáo sư sinh học hệ thống tại Đại học King’s College London và Viện Công nghệ Hoàng gia KTH, cho biết. “Sự kết hợp này hứa hẹn rất nhiều tiềm năng.”

Những tiến bộ này đang thay đổi mục tiêu của y sinh học hiện đại, Leroy Hood, giáo sư tại Viện Sinh học Hệ thống ở Seattle, giải thích. Thay vì điều trị bệnh, mục tiêu sẽ là tối ưu hóa sức khỏe, ngăn ngừa bệnh tật và cuối cùng là kéo dài tuổi thọ của con người đến 90 tuổi hoặc hơn.

Phòng ngừa bệnh tật

Giáo sư Adil Mardinoglu dẫn đầu Sáng kiến ​​Một Triệu Hiện tượng (1M PI) mới ra mắt , nhằm mục đích thu thập dữ liệu sinh học lớn từ một triệu cá nhân trên toàn thế giới. Ông cho biết dự án áp dụng phương pháp tiếp cận toàn diện bằng cách kết hợp dữ liệu đa ô-míc với thông tin về lối sống và môi trường. Các đối tác của 1M PI bao gồm Illumina và ngày càng nhiều đối tác trong ngành, trung tâm y tế và trường đại học trên khắp thế giới.

Khoảng 10 đến 15% nhóm PI, 1 triệu người sẽ được theo dõi dọc để theo dõi quá trình chuyển đổi từ trạng thái khỏe mạnh sang bệnh tật, nhiều năm trước khi các triệu chứng xuất hiện hoặc chẩn đoán được đưa ra. Bằng chứng ủng hộ cho phương pháp này đến từ dự án Human Protein Atlas (HPA), do Uhlén dẫn đầu. Nhóm HPA gần đây đã giới thiệu một nguồn tài nguyên nghiên cứu protein toàn diện bao gồm 59 bệnh lý và nhóm khỏe mạnh, cho thấy mối liên hệ giữa protein với tuổi tác, giới tính, BMI và các dấu hiệu đặc trưng của bệnh . Uhlén giải thích: “Chúng tôi đặt mục tiêu phát hiện các dấu hiệu bệnh tật ở giai đoạn sớm. Chúng tôi muốn tập trung vào việc phòng ngừa bệnh tật và duy trì sức khỏe.”

Giáo sư Leroy Hood chia sẻ tầm nhìn này. Trong bốn năm, ông và các đồng nghiệp đã theo dõi 5.000 người được công ty chăm sóc sức khỏe Arivale tuyển dụng. Trong thời gian đó, 167 người mắc một loạt các bệnh, bao gồm 30 người mắc các dạng ung thư khác nhau (3 ). Phân tích mẫu máu lấy từ mười người trong số họ trước khi được chẩn đoán ung thư cho thấy các protein có mô hình tín hiệu tăng cao. “Trong nhiều trường hợp, những protein này được ánh xạ trực tiếp vào các mạng lưới nhiễu loạn bệnh liên quan đến loại ung thư cụ thể”, ông nói.

Qua nghiên cứu trên mô hình chuột, Giáo sư Leroy Hood và các cộng sự đã phát hiện ra rằng những mạng lưới bị nhiễu loạn bởi bệnh tật như vậy trở nên phức tạp hơn theo cấp số nhân khi chúng tiến gần đến chẩn đoán lâm sàng. “Phát hiện sớm cho phép chúng ta xem xét khả năng đảo ngược bệnh khi các mạng lưới còn đơn giản hơn”, Ông nói. “Các liệu pháp có thể đảo ngược bệnh trước khi nó biểu hiện lâm sàng.”

Phân tích AI

Giáo sư Leroy Hood cũng đang khai thác 5.000 dữ liệu Arivale  để tìm kiếm thông tin giúp mọi người cải thiện sức khỏe hoặc phát hiện sớm bệnh tật. Dữ liệu này có thể được tích hợp vào các mạng lưới sinh học và được sử dụng để hướng dẫn một mô hình ngôn ngữ lớn (LLM) nhằm cung cấp các khả năng thực tế cho bệnh nhân và bác sĩ.

Giáo sư Mathias Uhlén nhấn mạnh một số đột phá khác về AI. AlphaFold, được phát triển bởi Google DeepMind, dự đoán cấu trúc protein trực tiếp từ dữ liệu trình tự — một đột phá đã cách mạng hóa việc khám phá thuốc. Các thuật toán AI cũng đang được sử dụng để tái sử dụng thuốc, nhanh chóng xác định các ứng dụng điều trị mới cho các hợp chất hiện có. Uhlén cho biết thêm rằng nhóm của ông gần đây đã khởi động dự án AlphaCell để mô hình hóa sinh học tế bào bằng AI và sinh học hệ thống, nhằm mục đích mô phỏng và hiểu các quá trình tế bào ở mức độ chi tiết chưa từng có.

Theo quan điểm của Mardinoglu, sức mạnh thực sự của AI và sinh học hệ thống nằm ở việc khai thác dữ liệu sinh học lớn theo chiều dọc để tìm kiếm dấu ấn sinh học và mục tiêu cho việc phát triển thuốc, từ đó tránh được các lỗi dịch mã liên quan đến mô hình động vật. Các khuôn khổ tính toán được phát triển trong phòng thí nghiệm của ông lập bản đồ cách thức gen, bản sao, protein, chất chuyển hóa và vi khuẩn đường miệng và đường ruột tương tác trong sức khỏe và các bệnh mãn tính khác nhau để cải thiện kiểu hình lâm sàng và giúp xác định các yếu tố di truyền và môi trường thúc đẩy các trạng thái bệnh phức tạp . Một số công ty đã cung cấp các khuyến nghị sức khỏe được cá nhân hóa dựa trên phân tích đa ô-míc trên các mẫu sinh học của cá nhân trên toàn thế giới, bao gồm Phenome Longevity (do Mardinoglu sáng lập) và SILK Longevity (do Mardinoglu đồng lãnh đạo).

Một thế giới được đo lường

Xu hướng dữ liệu sinh học lớn hơn vẫn tiếp tục. Khi các cảm biến và thiết bị đeo nhỏ gọn trở nên phổ biến, Giáo sư Leroy Hood cho biết: “Hầu như không có giới hạn nào về lượng dữ liệu chúng ta có thể tạo ra và thu thập.” Tuy nhiên, việc phân tích và tích hợp dữ liệu vẫn đặt ra những thách thức, đặc biệt là trong việc quản lý nhiễu, tính biến thiên và các quy định riêng biệt trên toàn quốc về quyền riêng tư và chia sẻ dữ liệu. Mặc dù vậy, Ông nhấn mạnh rằng các công cụ và nền tảng tính toán dựa trên AI, và đặc biệt là những tiến bộ trong AI và sinh học hệ thống, có thể cải thiện chất lượng dữ liệu.

Giáo sư Mathias Uhlén mô tả một ví dụ từ bệnh Alzheimer. “Bằng cách tích hợp dữ liệu đa ô-míc với các phương pháp tiếp cận AI và sinh học hệ thống tiên tiến, chúng tôi đã có thể khám phá các cơ chế phân tử cơ bản của bệnh Alzheimer và phát triển một chiến lược điều trị hiệu quả dựa trên các chất hoạt hóa chuyển hóa kết hợp.” Các chất hoạt hóa chuyển hóa này bao gồm N-acetyl-L-cysteine, L-carnitine-L-tartrate, nicotinamide và L-serine 5 , và sự kết hợp này đang được thử nghiệm trên bệnh nhân Alzheimer trong một thử nghiệm lâm sàng giai đoạn III đa trung tâm ( NCT07062198 ) do ScandiBio Therapeutics (đồng sáng lập bởi 2 giáo sư Adil Mardinoglu và Mathias Uhlén) dẫn đầu.

Trong ngắn hạn — có lẽ là năm năm tới — Mardinoglu kỳ vọng sẽ có những đột phá trong chẩn đoán, quản lý bệnh và tối ưu hóa điều trị. Về lâu dài, với dữ liệu theo chiều dọc được cải thiện, ông hình dung ra “những nền tảng phòng ngừa toàn diện có khả năng hướng dẫn mọi người đến lối sống và các biện pháp can thiệp điều trị phù hợp với sinh học của họ”.

Không có tiến bộ nào trong số này có thể đạt được chỉ sau một đêm. Các dấu ấn sinh học phải trải qua quá trình kiểm định lâm sàng nghiêm ngặt, và các loại thuốc tiềm năng cần nhiều năm thử nghiệm lâm sàng. “Nhưng chi phí đang giảm dần và với AI, chúng tôi có sức mạnh tính toán để hiểu được sự phức tạp này”, Uhlén nói. Bối cảnh chăm sóc sức khỏe sẽ hoàn toàn khác trong thập kỷ tới. “Mọi thứ đã sẵn sàng để chúng tôi thực hiện.