Được tạo ra bởi các nhà nghiên cứu đến từ Đại học Gothenburg, mô hình dự đoán mới này áp dụng AI vào việc quan sát thăm dò một loại carbohydrate để tìm hiểu kỹ lưỡng mối quan hệ của quá trình lây nhiễm virus giữa động vật và con người. Nghiên cứu của họ vừa được công bố trên Tạp chí Cell Reports.

Phần lớn các quá trình sinh học diễn ra bên trong cơ thể chúng ta đều liên quan đến lớp carbohydrate ở một mức độ nào đó. Tuy nhiên, mặc dù vậy, kiến thức về cách thức hoạt động của các quy trình của chúng vẫn chưa được hiểu rõ. Carbohydrate rất quan trọng trong việc đảm bảo cơ thể chúng ta hoạt động như dự định. Điều thú vị là, để gây nhiễm trùng tất cả các virus đều tiếp xúc với lớp carbohydrate được tìm thấy trên bề mặt tế bào ở làm lần tiếp xúc đầu tiên, và với Covid-19 cũng không ngoại lệ.

Để lây nhiễm vào tế bào người, virus phải vượt qua một lớp carbohydrate dày đặc gắn trên bề mặt tế bào. Lớp này thường bao gồm carbohydrate heparan sulfat. Một số loại virus, bao gồm herpes và Covid-19 được biết là có thể liên kết với heparan sulfate trong quá trình nhiễm trùng. Một nhóm nghiên cứu do Tiến sĩ. Thomas Clausen và Jeffrey Esko đứng đầu đã điều tra và khẳng định, lớp carbohydrate có thể đóng một vai trò quan trọng nào đó trong việc lây nhiễm SARS-CoV-2.

Để xem xét vai trò quan trọng tiềm tàng của lớp carbohydrate heparan sulfat trong việc lây nhiễm, nhóm đã sản xuất một mô hình dự đoán dựa trên AI với độ hiệu quả và chính xác chưa từng có trong việc dự báo các tương tác virus với lớp carbohydrate heparan sulfat mới, chẳng hạn như giữa carbohydrate heparan sulfat và virus cúm hoặc rotavirus.

Các nhà phát triển mô hình tin rằng, nó có thể hỗ trợ việc tạo ra hiểu biết toàn diện hơn về các bệnh lây truyền virus từ động vật sang người.

Daniel Bojar, tác giả chính của nghiên cứu này và là giáo sư tại Đại học Gothenburg cho biết: "Với sự xuất hiện của SARS-CoV-2, chúng tôi đã thấy những hậu quả tàn khốc có thể xảy ra từ việc virus lây lan cực mạnh từ động vật sang người. Mô hình của chúng tôi hiện có thể được sử dụng để dự đoán loại virus nào đặc biệt có hình thức lây lan siêu khủng, tinh vi, đột ngột tương đương đến như vậy".

Ngoài ra, mô hình này cũng giúp nhóm chuyên gia dự đoán những bộ phận nào trên cơ thể con người có khả năng là mục tiêu cao của các loại virus có khả năng lây truyền từ động vật sang, chẳng hạn như hệ hô hấp hoặc đường tiêu hóa chẳng hạn.

Nhóm nghiên cứu cũng lạc quan rằng, phát hiện của họ có thể giúp đưa ra các chiến lược giảm thiểu lây nhiễm virus, với mô hình dự đoán có khả năng giúp phát triển các loại thuốc chống virus dựa trên lớp carbohydrate heparan sulfat, từ đó có thể tìm ra loại virus chuyên dụng có ngăn chặn khả năng nhân bản của virus gây hại, do đó giúp giải quyết các vấn nạn đại dịch trong tương lai.

Tương tự vào tháng 3/2020, Nhà Trắng (Mỹ) đã khuyến kích các nhà nghiên cứu sử dụng trí tuệ nhân tạo để phân tích khoảng 29.000 bài viết có tính học thuật về SARS-CoV-2.

Cụ thể, Nhà Trắng cho biết họ đã hợp tác với các công ty như Microsoft Corp và Alphabet Inc của Google để tập hợp cơ sở dữ liệu lớn nhất của các bài viết mang tính học thuật hiện có sẵn về SARS-CoV-2 dành cho các nhà nghiên cứ trong nước.

Tổ chức Y tế Thế giới (WHO) và Trung tâm kiểm soát và phòng ngừa dịch bệnh Mỹ (CDC) cho biết, họ muốn hỗ trợ quá trình nghiên cứu này để hiểu rõ hơn về nguồn gốc và sự lây nhiễm của SARS-CoV-2 nhằm phát triển vaccine và phương pháp điều trị virus mới SARS-CoV-2 gây ra dịch Covid-19.

Giám đốc Công nghệ Mỹ Michael Kratsios, người làm việc tại Nhà Trắng hy vọng rằng công nghệ AI có thể quét những bài nghiên cứu nhanh hơn con người và phát hiện ra những điều mà con người có thể bỏ lỡ.

Nghiên cứu bằng máy học là một dạng của trí tuệ nhân tạo, trong đó phần mềm được thiết kế để tự phát hiện các mẫu dữ liệu đã được sử dụng trong y tế và các ngành công nghiệp khác để xây dựng bản tóm tắt từ một lượng văn bản lớn. Tuy nhiên, trước khi có thể đưa ra kết quả cuối cùng, phần mềm nghiên cứu cần phân tích hàng triệu nội dung tương tự.

×