Trong suốt 20 năm theo đuổi một "nhiệm vụ bất khả thi", nhà khoa học César de la Fuente đã tìm thấy hy vọng trong DNA của người cổ đại nhờ trí tuệ nhân tạo (AI). Khi thế giới lo lắng về tình trạng cạn kiệt thuốc chữa bệnh, ông đã dùng AI để khai thác DNA của voi ma mút và các loài tuyệt chủng khác nhằm tìm ra lời giải cho vấn đề kháng thuốc kháng sinh (AMR).
Hành trình chống lại kháng thuốc kháng sinh
Theo trang tin MIT Technology Review, nhà khoa học César de la Fuente đang thực hiện sứ mệnh chống lại sự kháng thuốc bằng cách tìm kiếm các giải pháp từ chính thiên nhiên. Khi còn là thiếu niên, ông đã lập danh sách những vấn đề lớn nhất của thế giới và xếp hạng chúng theo tỷ lệ nghịch với số tiền chính phủ chi ra. Kháng thuốc kháng sinh (AMR) đứng đầu danh sách đó. Hai mươi năm trôi qua, vấn đề này không những không biến mất mà còn trở nên tồi tệ hơn. Các ca nhiễm trùng do vi khuẩn, nấm và virus kháng thuốc hiện liên quan đến hơn 4 triệu ca tử vong mỗi năm. Một phân tích trên tạp chí The Lancet dự báo con số này có thể vượt quá 8 triệu vào năm 2050.
Trong bài viết tháng 7 năm 2025 trên tờ Physical Review Letters, César de la Fuente, hiện là kỹ sư sinh học kiêm nhà sinh học máy tính, cùng nhà sinh học tổng hợp James Collins đã cảnh báo về một kỷ nguyên "hậu kháng sinh" đang cận kề. Đó là thời điểm mà việc nhiễm các chủng vi khuẩn phổ biến nhưng kháng thuốc như Escherichia coli (E.coli) hay Staphylococcus aureus (tụ cầu vàng) sẽ trở nên vô phương cứu chữa. Họ nhấn mạnh: "Chuỗi cung ứng phát hiện kháng sinh mới vẫn mỏng manh một cách nguy hiểm, bị cản trở bởi chi phí phát triển cao, mốc thời gian kéo dài và lợi nhuận đầu tư thấp".
AI và cuộc tìm kiếm peptide kháng khuẩn
César de la Fuente đang sử dụng AI để tạo ra một tương lai khác. Nhóm của ông tại Đại học Pennsylvania (Mỹ) huấn luyện các công cụ AI tìm kiếm sâu rộng trong bộ gene nhằm phát hiện các peptide có đặc tính kháng sinh. Tầm nhìn của ông là lắp ráp các peptide – những phân tử được cấu thành từ tối đa 50 axit amin liên kết với nhau thành nhiều cấu hình khác nhau, bao gồm cả những cấu hình chưa từng thấy trong tự nhiên. Ông hy vọng kết quả thu được có thể giúp cơ thể chống lại các vi sinh vật vốn đã "miễn nhiễm" với các phương pháp điều trị truyền thống.
Cuộc tìm kiếm của ông đã phát hiện được những ứng viên đầy triển vọng ở những nơi không ngờ tới. Vào tháng 8 năm 2025, nhóm của ông (gồm 16 nhà khoa học thuộc Nhóm Sinh học Máy tính tại Pennsylvania) đã mô tả các peptide ẩn náu trong mã di truyền của các sinh vật đơn bào cổ xưa gọi là archaea (vi khuẩn cổ). Trước đó, họ đã khai thác được một danh sách các ứng viên từ nọc độc của rắn, ong bắp cày và nhện. Trong một dự án đang triển khai mà César de la Fuente gọi là "hồi sinh phân tử" (molecular de-extinction), ông và các cộng sự đã quét các trình tự di truyền được công bố của các loài tuyệt chủng để tìm các phân tử có khả năng hoạt động. Những loài này bao gồm các loài linh trưởng cổ như người Neanderthal, Denisovan, các loài động vật biểu tượng như voi ma mút lông xoăn, cho đến ngựa vằn và chim cánh cụt cổ đại.
Những thành tựu và thách thức
Ở tuổi 40, César de la Fuente đã sở hữu một bộ sưu tập các giải thưởng từ Hiệp hội Vi sinh học Hoa Kỳ, Hiệp hội Hóa học Hoa Kỳ và các tổ chức khác. Ông được công nhận rộng rãi là người đi đầu trong nỗ lực khai thác AI cho các vấn đề thực tế. Nhà nghiên cứu James Collins nhận xét: "César là một tài năng tuyệt vời và vô cùng sáng tạo". Collins cho biết thế giới phát triển kháng sinh cần sự sáng tạo và đổi mới càng nhiều càng tốt, và công trình của César de la Fuente về peptide đã thúc đẩy lĩnh vực này tiến lên phía trước.
Ông César de la Fuente mô tả "kháng thuốc kháng sinh" gần như là một vấn đề "bất khả thi", nhưng ông thấy có rất nhiều không gian để khám phá. Ông nói: "Tôi thích những thử thách và tôi nghĩ đây là thử thách cuối cùng". Theo ông, việc sử dụng, lạm dụng và dùng kháng sinh sai cách chính là động cơ thúc đẩy sự kháng thuốc. Vấn đề đang lớn dần mà không có sự kiểm soát vì các phương pháp truyền thống để tìm kiếm, sản xuất và thử nghiệm thuốc quá tốn kém và không có kết quả khả quan. Ông cho biết: "Rất nhiều công ty từng cố gắng phát triển kháng sinh trước đây cuối cùng đã phải đóng cửa vì không có lợi nhuận đầu tư tốt".
Việc phát hiện kháng sinh từ trước đến nay luôn là một nỗ lực hỗn loạn, đầy nhiễu loạn, phụ thuộc vào sự tình cờ và chứa đựng nhiều bất ổn. Trong nhiều thập kỷ, các nhà nghiên cứu chủ yếu dựa vào các phương pháp cơ học thô sơ. César de la Fuente nói: "Các nhà khoa học đào đất, sục tìm trong nước. Và sau đó, từ những chất hữu cơ phức tạp đó, họ cố gắng chiết xuất các phân tử kháng khuẩn", nhưng các phân tử có thể cực kỳ phức tạp. Các nhà nghiên cứu ước tính số lượng các tổ hợp hữu cơ có thể được tổng hợp vào khoảng 10^60. Để so sánh, Trái Đất ước tính chỉ chứa khoảng 10^18 hạt cát.
Vai trò của AI trong khám phá kháng sinh
Ông Jonathan Stokes, nhà sinh học hóa học tại Đại học McMaster (Canada), người đang sử dụng AI tạo sinh để thiết kế các kháng sinh tiềm năng mới, nhận định: "Tìm kiếm thuốc trong bất kỳ lĩnh vực nào cũng là một trò chơi xác suất". AI dường như rất phù hợp để cải thiện độ chính xác cho các nhà nghiên cứu. César de la Fuente giải thích: "Sinh học là một nguồn thông tin, nó giống như một lập trình khổng lồ". Mã DNA chỉ có bốn kí tự, trong khi protein và peptide có 20 kí tự, mỗi ký tự đại diện cho một axit amin. Công việc của ông tương đương với việc huấn luyện các mô hình AI để nhận diện các chuỗi kí tự mã hóa cho các peptide kháng khuẩn (AMP). Ông cho rằng: "Nếu nhìn nhận theo cách đó, người nghiên cứu có thể thiết kế các thuật toán để khai thác mã di truyền và xác định các phân tử chức năng, có thể là chất kháng khuẩn, chất chống sốt rét hoặc các tác nhân chống ung thư".
Lĩnh vực này vẫn chưa đạt đến đích cuối cùng. César de la Fuente lưu ý, những peptide vẫn chưa được chuyển đổi thành các loại thuốc sử dụng được cho con người, và còn nhiều chi tiết như liều lượng, cách đưa thuốc vào cơ thể, mục tiêu cụ thể cần được giải quyết. Tuy nhiên, các mô hình AI để nhận diện các chuỗi kí tự mã hóa cho AMP có sức hấp dẫn đặc biệt vì cơ thể vốn đã sử dụng chúng. Chúng là một phần quan trọng của hệ thống miễn dịch và thường là tuyến phòng thủ đầu tiên chống lại các bệnh nhiễm trùng do mầm bệnh gây ra. Không giống như kháng sinh truyền thống chỉ có một cơ chế tiêu diệt vi khuẩn, AMP thường thể hiện cách tiếp cận đa phương thức: chúng có thể phá vỡ thành tế bào, vật chất di truyền bên trong cũng như nhiều quá trình tế bào khác. Một vi khuẩn gây bệnh có thể tiến hóa để kháng lại cơ chế tác động đơn lẻ của một loại thuốc thông thường, nhưng có thể không chống lại được một cuộc tấn công đa diện từ AMP.
Từ khám phá đến thực tiễn
Nhóm của de la Fuente là một trong số nhiều nhóm đang đẩy lùi các giới hạn của việc sử dụng AI cho kháng sinh. Trong khi ông tập trung chủ yếu vào peptide, Collins tập trung vào việc khám phá các phân tử nhỏ, còn Jonathan Stokes tại Đại học McMaster theo đuổi hướng đi của Collins với các mô hình AI chuyên xác định các phân tử mới đầy hứa hẹn và dự đoán liệu chúng có thể được tổng hợp hay không. James Zou, nhà khoa học máy tính tại Đại học Stanford, cho biết các nhà nghiên cứu đã chuyển từ việc sử dụng các mô hình dự đoán sang phát triển các phương pháp tiếp cận tạo sinh. Với phương pháp dự đoán, các nhà nghiên cứu sàng lọc các thư viện lớn gồm các ứng viên đã được biết là có triển vọng. Phương pháp tạo sinh lại mang đến sức hấp dẫn của việc thiết kế một phân tử hoàn toàn mới từ con số không.
Ví dụ, năm ngoái, nhóm của César de la Fuente đã sử dụng một mô hình AI tạo sinh để thiết kế một bộ peptide tổng hợp và một mô hình khác để đánh giá chúng. Nhóm đã thử nghiệm hai trong số các hợp chất kết quả trên chuột bị nhiễm chủng Acinetobacter baumannii kháng thuốc, một loại vi khuẩn mà Tổ chức Y tế Thế giới (WHO) đã xác định là "ưu tiên cực kỳ quan trọng" trong nghiên cứu về kháng thuốc. Cả hai đều điều trị nhiễm trùng thành công và an toàn.
Tuy nhiên, lĩnh vực này vẫn đang ở giai đoạn khám phá. Trong công việc hiện tại, César de la Fuente đang cố gắng đưa các ứng viên đến gần hơn với thử nghiệm lâm sàng. Để đạt được mục tiêu đó, nhóm của ông đang phát triển một mô hình đa phương thức đầy tham vọng có tên là ApexOracle. Mô hình này được thiết kế để phân tích một tác nhân gây bệnh mới, xác định điểm yếu di truyền của nó, đối chiếu với các peptide kháng khuẩn có thể có tác dụng, và sau đó dự đoán một loại kháng sinh được tạo ra từ những peptide đó sẽ hoạt động như thế nào trong các thử nghiệm thực tế. César de la Fuente cho biết ApexOracle là hệ thống "hội tụ hiểu biết về hóa học, hệ gen học và ngôn ngữ". Mô hình hiện vẫn đang ở giai đoạn sơ bộ, nhưng ngay cả khi không hoạt động hoàn hảo, nó vẫn sẽ góp phần định hướng thế hệ mô hình AI tiếp theo tiến gần hơn tới mục tiêu cuối cùng: chống lại tình trạng kháng thuốc.
César de la Fuente tin rằng với AI, các nhà nghiên cứu hiện có cơ hội để bắt kịp mối đe dọa khổng lồ trước mắt. Công nghệ này đã tiết kiệm được hàng thập kỷ thời gian nghiên cứu của con người. Và giờ đây, ông muốn nó cứu sống được nhiều người hơn nữa: "Đây là thế giới mà chúng ta đang sống ngày nay, và điều đó thật đáng kinh ngạc".
