Khung mạng đồ thị phân cấp mới kết hợp học đặc trưng cục bộ và toàn cục, nâng cao độ chính xác mô hình hóa protein đồng thời giảm chi phí tính toán.
Trong những năm gần đây, mạng nơ-ron đồ thị (Graph Neural Networks – GNN) ngày càng được ứng dụng rộng rãi trong dự đoán cấu trúc protein. Tuy nhiên, các phương pháp hiện tại vẫn gặp khó khăn khi phải đồng thời nắm bắt đặc trưng ở nhiều thang đo khác nhau và mô hình hóa hiệu quả các tương tác tầm xa trong phân tử protein.
Nhóm nghiên cứu gồm Shih-Hsin Wang, Yuhao Huang và Taos Transue (Đại học Utah), cùng với Justin Baker (UCLA) và Jonathan Forstater, Thomas Strohmer (UC Davis), đã đề xuất một khuôn khổ học máy đa thang đo dựa trên đồ thị nhằm khắc phục những hạn chế này. Phương pháp của họ xây dựng một cấu trúc đồ thị phân cấp, kết hợp giữa các đồ thị con chi tiết đại diện cho những mô-típ cấu trúc bậc hai và một đồ thị tổng quát thể hiện cách sắp xếp không gian của các mô-típ đó. Hai mạng GNN riêng biệt được sử dụng để học đặc trưng ở cấp độ cục bộ và toàn cục.
Thiết kế mô-đun này không chỉ duy trì tính biểu diễn tối đa – đảm bảo không làm mất thông tin cấu trúc quan trọng – mà còn cải thiện rõ rệt độ chính xác dự đoán và giảm chi phí tính toán trên nhiều bộ dữ liệu chuẩn.
Giải quyết bài toán phụ thuộc cục bộ và tầm xa trong protein
Các phương pháp dựa trên đồ thị trước đây thường khó mô tả đồng thời tương tác chi tiết giữa các amino acid lân cận và mối liên hệ xa trong toàn bộ cấu trúc protein. Điều này hạn chế khả năng mô phỏng những hệ sinh học phức tạp.
Nghiên cứu mới đưa ra biểu diễn phân cấp gồm hai tầng:
- Tầng chi tiết (fine-grained): mỗi đồ thị con đại diện cho một mô-típ cấu trúc bậc hai như xoắn alpha (α-helix), phiến beta (β-strand) hoặc vòng lặp, trong đó từng amino acid được xem là một nút.
- Tầng tổng quát (coarse-grained): các mô-típ này được liên kết lại dựa trên vị trí và định hướng không gian của chúng trong toàn bộ protein.
Hai mạng GNN đảm nhiệm hai nhiệm vụ khác nhau: một mạng học các tương tác cục bộ trong từng mô-típ, mạng còn lại xử lý mối quan hệ giữa các mô-típ ở cấp độ cao hơn.
Ý nghĩa sinh học: Khi cấu trúc quyết định chức năng
Protein – nền tảng của mọi hoạt động sống – có thể thay đổi cấu trúc không gian mà không đổi trình tự amino acid ban đầu, dẫn đến biến đổi chức năng và thậm chí gây bệnh. Ví dụ điển hình là protein prion: từ dạng xoắn alpha bình thường có thể chuyển sang dạng giàu beta-sheet gây bệnh thoái hóa thần kinh nghiêm trọng.
Nhiều phương pháp hiện nay ở mức độ từng amino acid chưa phản ánh đầy đủ vai trò của cấu trúc bậc hai, khiến việc phân biệt các trạng thái sinh học khác nhau trở nên khó khăn. Khung học máy mới đã tích hợp trực tiếp các cấu trúc này vào biểu diễn đồ thị, giúp mô hình hóa chính xác hơn quá trình gấp cuộn và chức năng của protein.
Cơ chế hoạt động của mô hình phân cấp
Quy trình xây dựng mô hình gồm các bước chính:
- Phân tách chuỗi protein thành các mô-típ cấu trúc dựa trên hiểu biết sinh học.
- Tạo các đồ thị con chi tiết cho từng mô-típ.
- Xây dựng một đồ thị cấp cao kết nối các mô-típ theo quan hệ không gian.
- Áp dụng hai mạng GNN:
- Mạng thứ nhất học đặc trưng trong từng mô-típ.
- Mạng thứ hai học quan hệ giữa các mô-típ và tạo đặc trưng toàn cục cho dự đoán.
Phân tích lý thuyết cho thấy mô hình này vẫn giữ được khả năng biểu diễn tối đa (maximal expressiveness), nghĩa là không làm mất thông tin quan trọng trong quá trình xử lý đa thang đo.
Ngoài ra, nghiên cứu còn sử dụng các hệ tọa độ cục bộ ba chiều (local frames) có tính tương thích với phép quay và phản xạ, giúp biểu diễn hình học protein một cách nhất quán và bền vững.
Kết quả và triển vọng
Thử nghiệm trên nhiều bộ dữ liệu chuẩn cho thấy khi tích hợp các GNN hiện có vào khuôn khổ đa thang đo này, độ chính xác dự đoán được cải thiện đáng kể trong khi chi phí tính toán giảm xuống. Điều này giúp giải quyết bài toán cân bằng giữa hiệu năng và khả năng mở rộng trong mô hình hóa protein.
Nhóm tác giả cho rằng trong tương lai có thể mở rộng hướng nghiên cứu này bằng cách thử nghiệm các kiến trúc GNN khác, cũng như phát triển thêm phương pháp xây dựng đồ thị phân cấp. Việc đánh giá khả năng tổng quát hóa sang các cấu trúc protein hoàn toàn mới và xử lý tập dữ liệu lớn hơn cũng là những bước quan trọng tiếp theo.
Công trình này mở ra hướng đi mới cho mô hình hóa protein bằng học máy, với tiềm năng thúc đẩy nghiên cứu thuốc và các bệnh liên quan đến biến đổi cấu trúc protein.