Bạn đã từng nghe? AI có thể chỉnh sửa gen ngay bây giờ

Trí tuệ nhân tạo làm được tất cả mọi thứ… .genomics cũng đến với điều đó.

Kỹ thuật di truyền luôn là một phần cốt truyện bắt đầu xuất hiện trong các bộ phim và chương trình truyền hình khoa học viễn tưởng. Ý tưởng về những con người bị đột biến gen với những khả năng siêu việt và DNA độc đáo vẫn có sức ảnh hưởng không nhỏ đối với người hâm mộ Marvel và các phòng vé.

Nhưng điều gì sẽ xảy ra nếu chúng ta có thể thay đổi gen trong cuộc sống thực? Chỉnh sửa gen CRISPR đã được thực hiện từ năm 2012 (mặc dù không có Wolverine hay Magneto). Vào năm 2022, kỹ thuật di truyền mạnh mẽ này được bổ sung với trí tuệ nhân tạo.

Bằng cách tham gia vào các lực lượng này, chúng tôi có thể có được sự xuất hiện tốt nhất mọi thời đại của CRISPR và cách mạng hóa ngành công nghiệp chăm sóc sức khỏe.

Hôm nay, tôi sẽ xem xét các sơ đồ về kỹ thuật gen do AI hỗ trợ và chứng minh sự khác biệt của trí thông minh máy móc, sử dụng một trong những dự án của công ty tôi làm ví dụ.

Khái niệm cơ bản về chỉnh sửa bộ gen

Theo thuật ngữ của giáo dân, chỉnh sửa bộ gen là một công nghệ cho phép các nhà khoa học sửa đổi DNA của các sinh vật, có thể là thực vật, động vật hoặc con người.

Nó liên quan đến việc thay đổi trình tự DNA của một gen để điều chỉnh rối loạn di truyền hoặc tạo ra một sự thay đổi trong gen tạo ra khả năng chống lại bệnh tật. Sự phát triển của các công cụ chỉnh sửa bộ gen dựa trên CRISPR đã tạo ra một cuộc cách mạng trong lĩnh vực này, giúp việc chỉnh sửa gen trở nên dễ dàng và nhanh chóng hơn.

Do đó, kể từ năm 2012, kỹ thuật gen chủ yếu được kết hợp với CRISPR-Cas 9 hoặc chỉ CRISPR, là một công cụ “ cắt và dán ” duy nhất để sửa đổi bộ gen.

CRISPR-Cas9 có một khu vực ứng dụng lớn. Do đó, nó có thể làm im lặng hoặc kích hoạt các gen, cũng như loại bỏ hoặc giới thiệu những gen mới. Cho đến nay, kỹ thuật này đã được sử dụng để điều trị nhiều loại rối loạn, bao gồm cả ung thư và nhiễm trùng. Ngoài ra, CRISPR đã được sử dụng để ngăn chặn quần thể muỗi để kiềm chế bệnh sốt rét và tăng cường khả năng chống chịu với khí hậu của cây trồng trong nông nghiệp kỹ thuật .

Đối với các trường hợp sử dụng tiềm năng, CRISPR phù hợp để giảm thiểu các rối loạn di truyền, điều trị và ngăn ngừa sự lây lan của dịch bệnh và cải thiện năng suất cây trồng. ExxonMobil cũng tính đến việc chỉnh sửa gen để sản xuất dầu diesel sinh học từ tảo vào năm 2025.

CRISPR có vấn đề

Nhưng nếu tất cả là cầu vồng và bướm với CRISPR, tại sao tôi lại viết cái này?

Câu trả lời rất đơn giản: ** CRISPR Cas9 không phải là vị cứu tinh mà chúng tôi hy vọng.

Ngày càng có nhiều bằng chứng cho thấy rằng cùng với những thay đổi tích cực về DNA, CRISPR cũng có thể mắc phải những thay đổi di truyền ngoài ý muốn. Do đó, các chỉnh sửa sai lầm tại chỗ, kết quả chỉnh sửa bộ gen hiện diện trong khoảng 16% tế bào người được phân tích.

Điều đó có nghĩa là tác động ngoài mục tiêu có thể thay đổi chức năng của gen và gây mất ổn định nhiễm sắc thể, hạn chế tiềm năng và ứng dụng của gen trong các quy trình lâm sàng. Hơn nữa, hiệu suất chỉnh sửa của kỹ thuật này có thể bị ảnh hưởng bởi một loạt các yếu tố và làm giảm số lượng ô được chỉnh sửa thành công.

Và đây là nơi mà kỹ thuật di truyền và trí tuệ nhân tạo va chạm.

AI và kỹ thuật di truyền: một bộ đôi mạnh mẽ

Trí tuệ nhân tạo và các bước đột phá của nó là những nghi ngờ thường thấy khi nói đến các giải pháp tiên phong và đột phá. Genomics cũng không ngoại lệ. Nhờ khả năng phân tích và dự đoán, các công nghệ AI tiết kiệm thời gian và cuộc sống bằng cách khuếch đại sức mạnh chỉnh sửa của CRISPR.

Chúng ta hãy xem xét các lĩnh vực chính mà AI đưa vào với các mô hình và thuật toán có ý nghĩa.

Chỉnh sửa gen

Như tôi đã chỉ ra ở trên, CRISPR Cas9 là một công cụ chỉnh sửa gen truyền thống để sửa chữa các khiếm khuyết gen, do đó điều trị bệnh. Thành công của cam kết này bắt nguồn từ việc nhắm mục tiêu đúng tế bào và đúng mô. Tuy nhiên, xác suất phân tách không mong muốn ngăn cản việc chấp nhận CRISPR hàng loạt và làm lu mờ tiềm năng của nó.

Đột biến ngoài mục tiêu từ lâu đã là một chủ đề nghiên cứu. Kết quả là, các nhà khoa học đã tạo ra nhiều hệ thống tính điểm để đánh giá các hiệu ứng mục tiêu và ngoài mục tiêu. Tuy nhiên, phần lớn các phương pháp dự đoán sai mục tiêu hiện có không thể dựa vào dữ liệu CRISPR-Cas9 đang phát triển để tự học liên tục.

Quan trọng nhất, các công cụ tính điểm truyền thống không phân tích “mối quan hệ tiềm ẩn giữa các vị trí không khớp và trùng khớp, điều này có thể ảnh hưởng đến hoạt động ngoài mục tiêu trong chỉnh sửa gen CRISPR-Cas9.” [1]

Và đây là lúc trí tuệ nhân tạo bước vào.

Nó làm cho CRISPR Cas9 chính xác hơn bằng cách dự đoán cả mục tiêu và hiệu ứng ngoài mục tiêu với điểm số chính xác vô song ( khoảng 97% ). Từ quan điểm kỹ thuật, cả mạng nơron sâu và thuật toán ML đều có thể được áp dụng để đưa ra các dự đoán.

Để đào tạo mô hình, các kỹ sư thường cung cấp thuật toán với các bộ dữ liệu ngoài mục tiêu, chẳng hạn như CRISPOR một, cho các điểm chuẩn hiệu suất. Đánh giá bổ sung cũng được hoan nghênh nhiều và có thể được thực hiện bằng cách thêm một tập dữ liệu khác ngoài mục tiêu.

Một mô hình tính toán của Microsoft là một ví dụ nổi bật về việc AI tình cờ cứu được độ chính xác của việc chỉnh sửa gen. Công cụ này cho phép các nhà khoa học xác định vị trí tốt nhất để chỉnh sửa gen, đồng thời giảm khả năng xảy ra các tác dụng phụ.

Trình tự bộ gen

Vì một số bệnh có thể do di truyền của một người gây ra, các nhà khoa học đã cố gắng xem xét cấu tạo gen của chúng ta trong nhiều năm. Giải trình tự bộ gen là những gì hỗ trợ nghiên cứu và giúp xác định tốt hơn trình tự DNA hoàn chỉnh hoặc cấu trúc bộ gen của một sinh vật.

Giải trình tự được sử dụng để xác định các biến thể di truyền và đột biến, có thể liên quan đến tình trạng sức khỏe hoặc bệnh tật. Hiện nay, công nghệ này đã được sử dụng trong một số ứng dụng y tế, bao gồm chẩn đoán trước khi sinh và điều trị ung thư.

Năm ngoái, bản thảo trình tự bộ gen người đầu tiên đã kỷ niệm 20 năm thành lập . Thời gian dài nghiên cứu này đã dẫn đến một lượng lớn dữ liệu hệ gen chưa từng có. Trong vòng một thập kỷ tới, nghiên cứu bộ gen sẽ tạo ra từ 2 đến 40 exabyte dữ liệu, do đó làm trì trệ tiến độ.

May mắn thay, phân tích dữ liệu phức tạp và khổng lồ là đặc sản chính xác của trí tuệ nhân tạo và máy học. Bằng cách tự động hóa quá trình xử lý dữ liệu bộ gen, các nhà nghiên cứu có thể giải thích và hành động trên dữ liệu bộ gen trong một phần thời gian. Ngược lại, phân tích bảng gen truyền thống có thể mất khoảng hai tuần để trả về kết quả. **

Để đưa tốc độ phân tích AI vào tầm nhìn, các nhà nghiên cứu từ Đại học Stanford, NVIDIA và những người khác đã xây dựng một phương pháp AI để thực hiện giải trình tự DNA trong 5 giờ và 2 phút. Điều này đã đưa chúng vào Kỷ lục Guinness Thế giới về công cụ giải trình tự DNA nhanh nhất.

Bên cạnh việc xử lý dữ liệu nhanh như chớp, trí tuệ nhân tạo có thể giúp xác định các biến thể trong chuỗi DNA. Những biến thể này có thể liên quan đến bệnh tật hoặc tình trạng di truyền. Các thuật toán cũng có thể được sử dụng để dự đoán cách một người sẽ phản ứng với một loại thuốc cụ thể dựa trên cấu tạo gen của họ. Với những hiểu biết này, các nhà nghiên cứu hiểu rõ hơn về cách điều trị hiệu quả, tính nhạy cảm và các đột biến gây bệnh.

Đồng thời, việc xử lý trình tự chuỗi DNA nanopore theo thời gian thực từ lâu vẫn là một thách thức đối với bộ gen. Công nghệ độc đáo này cho phép phân tích trực tiếp các đoạn DNA hoặc RNA dài. Ngược lại, phân tích chậm có thể dẫn đến giảm cơ hội sống sót cho bệnh nhân nhiễm trùng huyết và các tình trạng khẩn cấp khác.

Tôi rất vinh dự khi nói rằng nhóm của chúng tôi đã chung tay xây dựng một giải pháp tiên phong giải quyết các thách thức của việc giải trình tự các lỗ hổng nano thời gian thực.

Cùng với Allen Day, nhà khoa học dữ liệu và người ủng hộ nhà phát triển cấp cao từ Google Cloud Platform, chúng tôi đã phát triển ứng dụng phân tích trình tự DNA theo thời gian thực để phát hiện các vi chất sinh học, gen kháng kháng sinh, v.v.

Nhờ trực quan hóa dữ liệu toàn diện, các chuyên gia y tế sau đó có thể đưa ra quyết định dựa trên dữ liệu về kế hoạch điều trị cho bệnh nhân. Mã có sẵn trên GitHub .

Trong khi các tác động đối với sức khỏe con người đã nhận được nhiều sự quan tâm, giải mã và phân tích trình tự gen cũng có thể là một cuộc cách mạng trong nông nghiệp và chăn nuôi .

Kiểm tra Di truyền Dự đoán & Y học Dự phòng

Thử nghiệm di truyền không có gì mới - nhưng sự kết hợp giữa thử nghiệm di truyền dự đoán và trí tuệ nhân tạo là một bước phát triển mới thú vị. Khi nói đến dự đoán liệu bạn có thể phát triển một căn bệnh cụ thể hay không, các dự đoán thường rất không chính xác. **

Tuy nhiên, với sự trợ giúp của trí tuệ nhân tạo, điều này có thể không còn xảy ra nữa. Do đó, các nhà nghiên cứu từ Sutter Health và Viện Công nghệ Georgia đang sử dụng học sâu để phân tích dữ liệu sức khỏe điện tử nhằm ngăn ngừa suy tim . Bằng cách này, chúng tôi đang hướng tới một phương pháp tiếp cận y tế chủ động, thay vì để nó phản động.

Một ví dụ khác là một nhóm từ MIT đã phát triển một thuật toán học sâu để điều trị ung thư hắc tố dự phòng. Thuật toán có thể nhanh chóng xác định và sàng lọc ung thư hắc tố giai đoạn đầu. Loại thứ hai là nguyên nhân gây ra hơn 70% số ca tử vong liên quan đến ung thư da trên toàn thế giới. **

Việc sàng lọc di truyền của trẻ sơ sinh giờ đây cũng được khuếch đại với các thuật toán thông minh. Do đó, các nhà nghiên cứu của Bệnh viện Nhi Trung ương đã xây dựng một công cụ học máy có thể thực hiện sàng lọc di truyền nhanh chóng. Kết quả là, phân tích nhanh chóng và chính xác có thể đẩy nhanh việc chẩn đoán các hội chứng di truyền ở trẻ em. Hơn nữa, trí tuệ nhân tạo có thể dự đoán kết quả và rủi ro bắt nguồn từ việc chữa khỏi các bệnh di truyền, dựa trên dữ liệu có sẵn. **
**

Tương lai của chăm sóc sức khỏe là dữ liệu thông minh

Như đã rõ từ bài đăng của tôi, sức mạnh tổng hợp giữa AI và chăm sóc sức khỏe có mặt trong tất cả các lĩnh vực y tế. Việc ứng dụng trí tuệ nhân tạo cho dữ liệu bộ gen hứa hẹn sẽ giúp các nhà nghiên cứu hiểu rõ hơn về cấu hình bộ gen phức tạp của các sinh vật khác nhau.

Với sự trợ giúp của AI, các nhà sinh vật học sẽ có thể thực hiện các dự án gen đầy tham vọng hơn và cũng có thể phân tích nhanh hơn các kết quả thí nghiệm của họ. Sự kết hợp giữa dữ liệu lớn và máy học có thể giúp xác định các mẫu trong dữ liệu bộ gen mà con người khó có thể phân biệt được. Cuối cùng, AI và máy học sẽ tăng tốc sự hiểu biết của chúng ta về cấu tạo gen của chúng ta và của các sinh vật sống khác.

1. Lin J, Wong KC. Dự đoán ngoài mục tiêu trong chỉnh sửa gen CRISPR-Cas9 bằng cách sử dụng học sâu. Tin sinh học . 2018; 34 (17): i656-i663. doi: 10.1093 / bioinformatics / bty554