Thiết kế protein bằng ngôn ngữ tự nhiên: Khi AI hiểu yêu cầu của bạn

Các công cụ thiết kế protein ngày càng tinh vi, nhưng để sử dụng chúng, bạn vẫn cần hiểu biết sâu sắc về cấu trúc protein. Điều này bao gồm việc nắm rõ cơ chế enzyme đến từng vị trí axit amin cụ thể, cũng như các phân tử nước tồn tại trong khu vực diễn ra phản ứng xúc tác. Sau khi xác định được những yếu tố này, công cụ mới có thể xây dựng phần còn lại của protein xoay quanh mục tiêu đó.

Tuy nhiên, một nhóm nghiên cứu lớn tại Trung Quốc đã quyết định đưa việc thiết kế protein đến gần hơn với đông đảo người dùng. Họ phát triển một công cụ có thể tiếp nhận câu lệnh bằng ngôn ngữ tự nhiên và sử dụng chúng để tạo ra protein với chức năng mà người dùng chỉ định.

"Vibe coding" bước vào thế giới sinh học phân tử

Nếu lấy tiêu chí thành công là tạo ra được một protein hoạt động thực sự, thì tỷ lệ thành công của công cụ này có thể không cao. Nhưng dù vậy, nhóm nghiên cứu vẫn hoàn thành được mục tiêu đề ra: biến thiết kế protein thành một tác vụ mà bất kỳ ai cũng có thể thử sức, chỉ cần mô tả bằng lời.

Khái niệm này gợi nhớ đến "vibe coding" — xu hướng lập trình mà người dùng chỉ cần mô tả ý tưởng bằng ngôn ngữ tự nhiên và để AI lo phần còn lại. Giờ đây, tinh thần đó đã lan sang lĩnh vực thiết kế protein, tất nhiên với điều kiện bạn có quyền truy cập vào một phòng thí nghiệm để sàng lọc những thiết kế tốt khỏi hàng chục mẫu thất bại.

Điều thú vị là ngưỡng cửa gia nhập lĩnh vực sinh học tổng hợp đang dần được hạ thấp nhờ AI, dù vẫn cần đến cơ sở hạ tầng thực nghiệm để kiểm chứng kết quả.

Hugging Face mang công cụ tương tự xuống cấp độ DNA

Trong một thông báo riêng, Hugging Face cho biết nền tảng của họ hiện đã lưu trữ một công cụ thực hiện chức năng tương tự nhưng ở cấp độ DNA. Nếu công cụ của nhóm nghiên cứu Trung Quốc tập trung vào protein — sản phẩm cuối của quá trình biểu hiện gene — thì công cụ của Hugging Face tác động trực tiếp lên vật liệu di truyền, mở ra khả năng thiết kế trình tự gene theo yêu cầu bằng ngôn ngữ tự nhiên.

Sự xuất hiện của các nền tảng như vậy cho thấy xu hướng rõ ràng: AI tạo sinh đang trở thành giao diện mới cho nghiên cứu khoa học sự sống. Thay vì đòi hỏi kiến thức chuyên sâu về hóa sinh và cấu trúc phân tử, người dùng có thể bắt đầu từ một mô tả bằng lời về chức năng mong muốn.

Ý nghĩa đối với Việt Nam

Với các nhóm nghiên cứu và startup công nghệ sinh học tại Việt Nam, những công cụ mã nguồn mở hoặc được lưu trữ công khai trên nền tảng như Hugging Face có thể là bước khởi đầu tiếp cận lĩnh vực AI cho khoa học sự sống mà không cần đầu tư quá lớn vào hạ tầng tính toán ban đầu.

Tuy nhiên, cần lưu ý rằng các mô hình này vẫn yêu cầu bước kiểm chứng thực nghiệm trong phòng thí nghiệm — điều kiện mà không phải đơn vị nào ở Việt Nam cũng sẵn sàng. Dù vậy, việc theo dõi và thử nghiệm sớm các công cụ này có thể giúp các nhóm nghiên cứu trong nước không bị bỏ lại phía sau trong làn sóng ứng dụng AI vào sinh học tổng hợp.

Việc thiết kế protein và gene bằng ngôn ngữ tự nhiên vẫn còn nhiều thách thức về độ chính xác và tỷ lệ thành công, nhưng hướng đi này hứa hẹn sẽ thay đổi cách các nhà khoa học tiếp cận bài toán thiết kế phân tử trong những năm tới.