Imperagen muốn biến kỹ thuật enzyme thành một quy trình “kỹ thuật số”

Enzyme là “cỗ máy sinh học” đứng sau rất nhiều quy trình sản xuất hiện đại — từ tổng hợp thuốc, chế biến thực phẩm đến sản xuất hóa chất bền vững. Tuy nhiên, việc thiết kế enzyme mới hoặc cải tiến enzyme hiện có từ lâu vẫn là quá trình chậm và tốn kém, thường dựa vào hàng nghìn lần thử‑sai trong phòng thí nghiệm.

Startup công nghệ sinh học Imperagen tại Manchester (Anh) đang cố gắng thay đổi điều đó bằng cách xây dựng một nền tảng kỹ thuật số kết hợp mô phỏng vật lý lượng tử, mô hình trí tuệ nhân tạo (AI) và phòng thí nghiệm tự động hóa. Công ty vừa huy động 5 triệu bảng Anh vòng seed do PXN Ventures dẫn dắt và bổ nhiệm Guy Levy‑Yurista, PhD làm CEO nhằm mở rộng công nghệ và đưa các sản phẩm enzyme ra thị trường nhanh hơn.

Vì sao kỹ thuật enzyme thường chậm

Enzyme là chất xúc tác sinh học có thể thúc đẩy phản ứng hóa học nhanh và chọn lọc hơn so với nhiều phương pháp công nghiệp truyền thống. Vì vậy chúng ngày càng được dùng trong sản xuất dược phẩm, hóa chất tinh vi và nhiều quy trình công nghiệp khác.

Tuy nhiên, để tìm được enzyme có hiệu suất phù hợp cho một quy trình cụ thể không hề dễ. Cách tiếp cận phổ biến trước đây là tạo hàng nghìn biến thể enzyme bằng cách đột biến gene, sau đó thử nghiệm từng biến thể trong phòng thí nghiệm để xem biến thể nào hoạt động tốt nhất.

Quy trình này có thể kéo dài nhiều tháng hoặc nhiều năm, đồng thời tiêu tốn đáng kể nguồn lực nghiên cứu.

Nền tảng “Digital Enzyme Evolution” của Imperagen

Imperagen gọi hệ thống của mình là Digital Enzyme Evolution — một nền tảng tích hợp thiết kế protein bằng AI, mô hình vật lý và robot phòng thí nghiệm vào một quy trình liên tục.

Thay vì phụ thuộc chủ yếu vào thử nghiệm thủ công, nền tảng này vận hành theo vòng lặp design–build–test–learn (thiết kế – tạo mẫu – thử nghiệm – học hỏi).

1. Mô phỏng vật lý lượng tử

Bước đầu tiên là mô phỏng cách enzyme hoạt động ở cấp độ phân tử.

Các mô hình dựa trên cơ học lượng tử có thể dự đoán cấu trúc, động học và cơ chế phản ứng của enzyme trước khi bất kỳ thí nghiệm thực tế nào được tiến hành. Nhờ vậy, các nhà khoa học có thể xác định sớm những chiến lược đột biến có triển vọng và giảm số biến thể cần thử nghiệm ngoài phòng lab.

2. AI dự đoán các vị trí đột biến quan trọng

Sau đó, Imperagen sử dụng mô hình học máy được huấn luyện từ dữ liệu thí nghiệm để dự đoán những thay đổi trong chuỗi amino acid có khả năng cải thiện hiệu suất enzyme.

AI có thể xác định các “hotspot” trong cấu trúc enzyme — những vị trí mà thay đổi nhỏ có thể làm tăng hoạt tính xúc tác, độ ổn định, tính chọn lọc hoặc khả năng sản xuất ở quy mô lớn.

Mỗi vòng thử nghiệm mới tạo ra dữ liệu bổ sung, giúp mô hình AI học và dự đoán tốt hơn ở các vòng sau.

3. Phòng thí nghiệm robot chạy vòng lặp khép kín

Các thiết kế enzyme do AI đề xuất sau đó được chuyển sang hệ thống phòng thí nghiệm tự động.

Robot thực hiện các bước như tổng hợp DNA, biểu hiện protein và thử nghiệm hoạt tính enzyme. Dữ liệu kết quả sẽ được đưa ngược lại vào các mô hình tính toán để cải thiện vòng thiết kế tiếp theo.

Kết quả là một vòng lặp tối ưu hóa khép kín, cho phép lặp lại quá trình thiết kế và thử nghiệm nhanh hơn nhiều so với phương pháp truyền thống.

Tại sao công nghệ này quan trọng

Nếu hoạt động hiệu quả, kỹ thuật enzyme nhanh hơn có thể ảnh hưởng đến nhiều ngành công nghiệp, vì enzyme đóng vai trò biocatalyst (chất xúc tác sinh học) trong rất nhiều quy trình sản xuất.

Sản xuất dược phẩm

Trong ngành dược, enzyme được sử dụng để tổng hợp các phân tử phức tạp với độ chọn lọc cao. Enzyme tối ưu hóa có thể giúp giảm số bước phản ứng, giảm chất thải hóa học và đơn giản hóa quy trình sản xuất thuốc.

Công nghệ của Imperagen ban đầu được phát triển cho các ứng dụng như khám phá thuốc phân tử lớn và phát triển biocatalyst cho dược phẩm.

Hóa chất công nghiệp và sản xuất bền vững

Enzyme ngày càng được dùng để thay thế các chất xúc tác hóa học truyền thống trong sản xuất.

Các enzyme được thiết kế tốt hơn có thể giúp giảm năng lượng tiêu thụ, giảm nguyên liệu đầu vào và hạn chế phụ phẩm độc hại trong các ngành như hóa chất tinh, mỹ phẩm hoặc sản xuất hóa chất bền vững.

Thực phẩm, nhiên liệu sinh học và nông nghiệp

Nguyên lý thiết kế enzyme này cũng có thể áp dụng cho nhiều lĩnh vực khác, ví dụ:

• chế biến thực phẩm
• sản xuất nhiên liệu sinh học từ sinh khối thực vật
• công nghệ sinh học nông nghiệp

Trong các lĩnh vực này, enzyme cải tiến có thể hoạt động ở nhiệt độ cao hơn, chịu được điều kiện công nghiệp khắc nghiệt hơn hoặc sử dụng nguyên liệu rẻ hơn. Tuy nhiên, các nguồn hiện có chưa cung cấp nhiều chi tiết về các triển khai thương mại cụ thể của Imperagen trong từng ngành.

Vai trò của vòng vốn 5 triệu bảng

Imperagen gần đây đã huy động £5 triệu vốn hạt giống, do PXN Ventures dẫn đầu, với sự tham gia của các nhà đầu tư hiện hữu IQ Capital và Northern Gritstone.

Theo công ty, nguồn vốn này sẽ được dùng để:

• mở rộng năng lực mô phỏng vật lý và mô hình AI
• phát triển thêm cơ sở hạ tầng phòng thí nghiệm tự động
• mở rộng nền tảng để phục vụ các dự án hợp tác thương mại

Cùng thời điểm đó, công ty cũng bổ nhiệm Guy Levy‑Yurista, PhD làm CEO — một lãnh đạo giàu kinh nghiệm trong lĩnh vực công nghệ và khoa học đời sống, được kỳ vọng sẽ giúp công ty mở rộng quy mô và đưa công nghệ ra thị trường.

Bức tranh lớn hơn của “techbio”

Imperagen thuộc làn sóng startup techbio — các công ty kết hợp tính toán tiên tiến, AI và phòng thí nghiệm tự động để tăng tốc nghiên cứu sinh học.

Ý tưởng cốt lõi khá đơn giản: tích hợp mô phỏng, dự đoán bằng AI và robot thí nghiệm vào một vòng lặp dữ liệu liên tục, để mỗi thí nghiệm đều giúp hệ thống học và cải thiện.

Tuy vậy, lĩnh vực này vẫn còn ở giai đoạn sớm. Phần lớn thông tin hiện nay đến từ các công bố của công ty và nhà đầu tư, và các đánh giá độc lập về mức cải thiện chính xác về tốc độ, chi phí hoặc tỷ lệ thành công vẫn còn hạn chế. Nhưng nếu những nền tảng như của Imperagen chứng minh được khả năng mở rộng, chúng có thể giúp biến kỹ thuật enzyme từ một nghệ thuật thử‑sai thành một ngành kỹ thuật dựa trên dữ liệu.