Luận án Tiến sĩ: Nâng cao hiệu quả phân tích protein sửa đổi sau dịch mã trên cơ sở kết hợp mô hình học máy và xử lý ngôn ngữ tự nhiên

Post-Translational Modifications (PTMs) đóng vai trò then chốt trong việc điều hòa cấu trúc, chức năng và hoạt động sinh học của protein, có liên quan mật thiết đến nhiều bệnh lý nguy hiểm như ung thư. Mặc dù các phương pháp thực nghiệm như khối phổ là tiêu chuẩn vàng, chúng lại phức tạp, tốn kém và khó mở rộng quy mô. Điều này đặt ra nhu cầu cấp thiết cho các phương pháp tính toán hiệu quả để dự đoán vị trí PTM. Luận án này nghiên cứu việc kết hợp các mô hình học máy và kỹ thuật xử lý ngôn ngữ tự nhiên, một hướng tiếp cận đầy tiềm năng để giải quyết các thách thức hiện tại, góp phần nâng cao khả năng phân tích protein sửa đổi sau dịch mã một cách nhanh chóng và chính xác.

Các nhà nghiên cứu trong lĩnh vực tin sinh học, sinh học phân tử, công nghệ thông tin, học máy và trí tuệ nhân tạo, đặc biệt những người quan tâm đến việc dự đoán protein sửa đổi sau dịch mã và ứng dụng NLP trong sinh học.

Luận án trình bày một cách tiếp cận toàn diện nhằm nâng cao hiệu quả phân tích protein sửa đổi sau dịch mã (PTM), tập trung vào ba loại PTM quan trọng là SUMOylation, Succinylation và Ubiquitination. Bối cảnh nghiên cứu xuất phát từ tầm quan trọng sinh học của PTM và những hạn chế của các phương pháp thực nghiệm truyền thống. Để giải quyết vấn đề này, luận án đề xuất các mô hình tính toán tiên tiến, kết hợp hài hòa giữa các phương pháp học máy truyền thống (như học máy tổ hợp), học sâu (sử dụng CNN, LSTM, Bi-LSTM) và đặc biệt là kỹ thuật xử lý ngôn ngữ tự nhiên (NLP). Phương pháp cốt lõi của nghiên cứu là xem xét chuỗi protein như "ngôn ngữ sinh học", áp dụng các kỹ thuật NLP để trích xuất đặc trưng ngữ cảnh từ các axit amin, từ đó cải thiện độ chính xác dự đoán so với các phương pháp chỉ dựa vào đặc trưng thủ công. Luận án đã phát triển bốn mô hình PTM mới, bao gồm các mô hình dựa trên học máy tổ hợp với đặc trưng lai ghép, các mô hình học sâu lai ghép kết hợp NLP cho SUMOylation và Succinylation, và một mô hình dựa trên học chắt lọc tri thức kết hợp NLP cho Ubiquitination. Việc ứng dụng học chắt lọc tri thức là một điểm nhấn quan trọng, giúp xây dựng các mô hình gọn nhẹ, thích ứng tốt với dữ liệu hạn chế và môi trường tính toán có tài nguyên giới hạn. Các mô hình được huấn luyện và kiểm định trên dữ liệu PTM thực tế, cho thấy hiệu suất cao hơn so với các phương pháp tiên tiến hiện có. Nghiên cứu này không chỉ đóng góp vào cơ sở lý luận về phân tích PTM mà còn cung cấp các công cụ dự đoán hiệu quả, nhanh chóng và tiết kiệm chi phí, hỗ trợ đắc lực cho các nhà nghiên cứu sinh học và y học trong việc làm sáng tỏ cơ chế phân tử, phát triển thuốc và liệu pháp điều trị mới, đặc biệt trong bối cảnh dữ liệu sinh học ngày càng lớn và phức tạp.