AI đọc gen theo từng tế bào: từ bộ gen người đầu tiên năm 2003 đến AlphaGenome 2

Mọi tế bào trong cơ thể đều mang cùng một bộ gen, nhưng tế bào tim không làm việc giống tế bào miễn dịch, vì mỗi loại tế bào “đọc” bộ gen đó theo cách riêng: có gen được bật lên, có gen bị tắt đi. Nhiều biến thể liên quan tới bệnh lại nằm ngoài vùng gen mã hóa protein, trong những “công tắc” điều hòa xa xôi, nên chỉ đọc trình tự DNA thôi chưa đủ để biết biến thể đó gây hại ở đâu. Ngày 11/11/2026, Google DeepMind ra mắt AlphaGenome 2, mô hình AI dự đoán tác động của biến thể DNA theo từng loại tế bào và trạng thái tế bào cụ thể — thay vì tính trung bình trên cả một mô như trước.
Hình ảnh minh họa cho AI đọc gen theo từng tế bào: từ bộ gen người đầu tiên năm 2003 đến AlphaGenome 2. Ảnh: Tư liệu
AlphaGenome 2 dự đoán cách mỗi loại tế bào đọc cùng một đoạn DNA. Ảnh: Google DeepMind
Từ đọc hết bộ gen đến hiểu từng tế bào
Hình ảnh minh họa cho AI đọc gen theo từng tế bào: từ bộ gen người đầu tiên năm 2003 đến AlphaGenome 2. Ảnh: Tư liệu
Máy giải trình tự gen Illumina HiSeq 2500. Ảnh: Wikimedia Commons
AlphaGenome 2 hoạt động như thế nào
Điểm khác lớn nhất nằm ở kiến trúc. AlphaGenome đời đầu nhận một đoạn DNA dài 1 triệu chữ cái rồi dự đoán song song hàng nghìn kết quả thí nghiệm trên nhiều mô cùng lúc. Cách làm này dàn mỏng năng lực của mô hình, khó bắt được khác biệt Sharevina giữa các loại tế bào gần nhau. AlphaGenome 2 làm ngược lại: nó là mô hình “có điều kiện”. Mỗi lần dự đoán, nó nhận đoạn DNA 1 triệu chữ cái kèm một điều kiện duy nhất — một mô, một loại tế bào hoặc một trạng thái tế bào — và dùng điều kiện đó ở mọi tầng của kiến trúc. Nhờ vậy, cùng một đoạn DNA, mô hình học được cách nó được đọc khác nhau ở từng loại tế bào. Mô hình được huấn luyện trên dữ liệu người và chuột, gồm hơn 107 triệu hồ sơ tế bào đơn lẻ thuộc 68 mô. Ngoài các đầu ra quen thuộc như biểu hiện gen, biến đổi histone và khả năng tiếp cận của chromatin, AlphaGenome 2 bổ sung thêm methyl hóa DNA — dấu ấn hóa học gắn với việc gen bị tắt.
Hình ảnh minh họa cho AI đọc gen theo từng tế bào: từ bộ gen người đầu tiên năm 2003 đến AlphaGenome 2. Ảnh: Tư liệu
Biểu hiện gen theo từng loại tế bào máu: quan sát thực tế (trái), AlphaGenome 2 (giữa) và AlphaGenome 1 (phải). Bản mới bám sát số đo thực tế hơn. Ảnh: Google DeepMind Kết quả đo trên TenK10K, bản đồ tế bào đơn của 28 loại tế bào miễn dịch chính, cho thấy AlphaGenome 2 xác định được gần gấp đôi biến thể gây bệnh: 30% so với 16% của bản AlphaGenome đầu tiên đã tinh chỉnh trên dữ liệu tế bào đơn, và 43% so với 23% khi dự đoán chiều tác động của biến thể lên gen. Mô hình còn khái quát được sang loại tế bào và trạng thái hoàn toàn mới mà không cần huấn luyện lại. Nhà khoa học chỉ cần đưa vào ảnh chụp RNA-seq của vài chục tế bào là mô hình dự đoán được cho trạng thái đó. Với dữ liệu chưa từng thấy từ nghiên cứu vắc-xin mRNA COVID-19, AlphaGenome 2 phân biệt được tế bào T đang kích hoạt vì vắc-xin với tế bào đang nghỉ, và cho thấy biến thể liên quan tới COVID-19 nặng phá vỡ hoạt động gen mạnh hơn khi tế bào đang kích hoạt — hiệu ứng mà tế bào nghỉ không thể hiện.
Bằng chứng: một gen, một loại tế bào, một căn bệnh
Tháng 6/2024, nhóm nghiên cứu ở Viện Francis Crick công bố trên Nature rằng một biến thể nằm trong “sa mạc gen” trên nhiễm sắc thể 21 khiến gen ETS2 hoạt động quá mức trong đại thực bào ở ruột, gây ra bệnh viêm ruột (IBD). Tìm ra mối liên hệ đó tốn nhiều tháng thí nghiệm phân tử phức tạp.
Người Việt được gì từ một mô hình đọc gen
Với Việt Nam, tin tốt nhất nằm ở cách tiếp cận. AlphaGenome 2 mở miễn phí cho nghiên cứu phi thương mại qua AlphaGenome API, kèm hướng dẫn Colab; nghiên cứu thương mại hiện chỉ ở bản xem trước riêng. Một nhóm nghiên cứu trong nước có thể dùng ngay mà không cần tự huấn luyện mô hình hay mua cụm máy chủ đắt tiền. Nhu cầu thì không thiếu. Theo một tổng quan trên PubMed, khoảng 13,8% dân số Việt Nam mang gen thalassemia hoặc biến thể huyết sắc tố liên quan. Các bệnh di truyền phổ biến khác, từ thalassemia tới tiểu đường type 2, đều là những bài toán mà AlphaGenome 2 sinh ra để giải: xác định đúng biến thể nào, ở đúng loại tế bào nào, làm thay đổi gen ra sao. Cần nói rõ một lần: đây là công cụ nghiên cứu, DeepMind nhấn mạnh mô hình chưa được thẩm định hay phê duyệt cho chẩn đoán hay lâm sàng. Nhưng khoảng cách từ nghiên cứu tới ứng dụng đang ngắn lại: khi chi phí giải trình tự gen tiếp tục rẻ đi, câu hỏi sẽ không còn là “gen của mình có vấn đề gì”, mà là “vấn đề đó xảy ra ở tế bào nào”. AlphaGenome 2 không chữa được bệnh nào. Nó là chiếc kính hiển vi mới, chuyển việc đọc gen từ mức trung bình cả mô xuống mức từng loại tế bào — đúng nơi bệnh bắt đầu. Nguồn: Google DeepMind, Viện Nghiên cứu Bộ gen Người Quốc gia Hoa Kỳ (NHGRI), Stankey và cộng sự, Nature 2024, Thalassemia in Viet Nam, PubMed, NHGRI – chi phí giải trình tự bộ gen người, Google DeepMind – AlphaFold
Nguồn thông tin: Tổng hợp và biên tập từ chuyên trang công nghệ.
