DeepMind và lão hóa: Trí tuệ nhân tạo phát hiện các gen đảo ngược tế bào

Cứ mỗi thập kỷ hoặc hai thập kỷ, lại có một khoảnh khắc hai lĩnh vực phát triển riêng rẽ va chạm vào nhau và thay đổi cả hai mãi mãi. Điều đó đã xảy ra khi máy tính gặp di truyền học và tạo ra tin sinh học. Bây giờ chúng ta lại chứng kiến một khoảnh khắc như vậy: trí tuệ nhân tạo gặp gỡ sinh học lão hóa.

Vào ngày 19 tháng 5 năm 2026, Google DeepMind, phòng thí nghiệm trí tuệ nhân tạo đứng sau AlphaFold và AlphaGo, đã công bố hướng đi mới của mình trong lĩnh vực lão hóa. Công cụ trung tâm của thông báo này được gọi là Co-Scientist: một hệ thống trí tuệ nhân tạo đa tác tử (multi-agent), được xây dựng trên mô hình Gemini, có nhiệm vụ quét tài liệu khoa học, tạo ra các giả thuyết, đối chiếu chúng và xếp hạng chúng. Một nhóm nghiên cứu đã sử dụng nó để xác định genetic leads, các ứng cử viên di truyền có khả năng đưa các tế bào già về trạng thái trẻ hơn. Nói một cách đơn giản, hệ thống đã cố gắng trả lời câu hỏi mà các nhà nghiên cứu tuổi thọ đã hỏi trong hai mươi năm: Cần bật hoặc tắt những gen nào để đặt lại tuổi của tế bào?

Sự khác biệt nằm ở tốc độ. Việc phân tích kết hợp dữ liệu từ thí nghiệm sàng lọc với hàng chục nghìn bài báo khoa học có thể mất tới nửa năm đối với một nhà nghiên cứu. Với Co-Scientist, cùng một công việc được rút ngắn xuống còn vài ngày. Đây không phải là thuốc chữa, và đây vẫn chưa phải là lời hứa, nhưng đây là một bước nhảy vọt đáng kể về tốc độ mà chúng ta thu hẹp không gian các khả năng.

Chính xác thì genetic leads để đảo ngược tế bào là gì?

Để hiểu nhóm nghiên cứu đã tìm kiếm điều gì, cần hiểu khoa học đã biết gì về trẻ hóa tế bào:

• Tái lập trình (reprogramming): Năm 2006, Shinya Yamanaka đã chỉ ra rằng có thể đưa một tế bào trưởng thành trở lại trạng thái tế bào gốc bằng cách kích hoạt chỉ bốn gen (OSKM). Đây là bằng chứng cho thấy tuổi tế bào là có thể đảo ngược.
• Tái lập trình một phần (partial reprogramming): Thay vì xóa bỏ hoàn toàn danh tính tế bào, các gen được kích hoạt trong một thời gian ngắn để 'trẻ hóa' nó mà không biến nó thành tế bào gốc. Bằng cách này, tế bào vẫn là tế bào thần kinh hoặc tế bào da, nhưng trẻ hơn.
• genetic leads: Đây là những ứng cử viên, các gen hoặc tổ hợp gen, có tiềm năng cao để đạt được sự trẻ hóa này. Phần lớn trong số chúng vẫn chưa được kiểm tra trong phòng thí nghiệm.

Vấn đề là kích thước của không gian tìm kiếm và lượng kiến thức rải rác. Bộ gen người có khoảng 20.000 gen, và kiến thức về vai trò của chúng nằm rải rác trong hàng chục nghìn bài báo khoa học. Việc kết nối thủ công tất cả những sợi dây này và hiểu ứng cử viên nào nên được kiểm tra trước có thể mất nhiều tháng làm việc. Đây là lúc trí tuệ nhân tạo xuất hiện.

Mối liên hệ với trí tuệ nhân tạo: Một hệ thống đọc tất cả tài liệu

Điều quan trọng là phải hiểu Co-Scientist làm gì và không làm gì. Nó không phải là một mô hình kiểu AlphaFold dự đoán cấu trúc ba chiều của protein, và nó không 'quét hàng triệu tổ hợp gen' từ dữ liệu sinh học thô. Thay vào đó, nó là một hệ thống đa tác tử, trong đó mỗi tác tử đóng một vai trò: một tác tử tạo ra giả thuyết, một tác tử khác phê bình chúng, một tác tử khác xếp hạng và cải thiện chúng. Tất cả đều hoạt động trên cùng một nguyên liệu thô, tài liệu khoa học hiện có.

Khi nhóm nghiên cứu yêu cầu Co-Scientist tìm kiếm trong tài liệu các yếu tố có thể đảo ngược lão hóa, nó đã quét hàng chục nghìn bài báo, xem xét vô số giả thuyết, và cuối cùng đề xuất hơn 20 yếu tố di truyền mới và hợp lý để kiểm tra. Các thí nghiệm trong phòng thí nghiệm đã xác nhận một số giả thuyết của nó: một số yếu tố mà nó đề xuất thực sự đã thúc đẩy các tế bào đến trạng thái trẻ hơn với chức năng tổng thể được cải thiện. Đây là cách AI tập trung các nhà nghiên cứu: thay vì tự mình sàng lọc biển tài liệu, họ nhận được một danh sách ngắn và tập trung các ứng cử viên đáng kiểm tra trước.

Sự phân biệt này rất quan trọng vì dễ nhầm lẫn giữa hai loại công cụ. AlphaFold đã giải quyết một vấn đề hoàn toàn khác, dự đoán cấu trúc, và nhờ đó đã mang lại cho những người đứng đầu nhóm giải Nobel Hóa học năm 2024 (xem bên dưới). Ngược lại, Co-Scientist là một 'cộng tác viên nghiên cứu' tổng hợp kiến thức rải rác và đề xuất các hướng đi. Cả hai đều thuộc DeepMind, nhưng chúng là những loại công cụ khác nhau trả lời các câu hỏi khác nhau.

Bối cảnh công nghiệp cũng rất quan trọng. DeepMind là một phần của Alphabet (công ty mẹ của Google), công ty cũng điều hành Calico, một công ty được thành lập vào năm 2013 đặc biệt để chống lại lão hóa. Sự kết hợp giữa sức mạnh tính toán, tài liệu khoa học khổng lồ và nguồn tài trợ gần như không giới hạn chính xác là những gì còn thiếu cho đến nay trong lĩnh vực tuổi thọ.

Các bằng chứng hiện tại

Điều quan trọng là phải chính xác: việc hệ thống đề xuất một ứng cử viên di truyền là sự khởi đầu của con đường, không phải kết thúc. Tuy nhiên, có thể đặt thông báo này trong bối cảnh những gì đã được chứng minh trong những năm gần đây và hiểu tại sao kỳ vọng lại cao.

Nghiên cứu 1: Trẻ hóa tế bào ở mắt từ năm 2020

Một nhóm nghiên cứu từ Harvard do David Sinclair đứng đầu đã chỉ ra rằng có thể phục hồi thị lực cho chuột già và chuột bị tăng nhãn áp bằng cách kích hoạt ba trong bốn yếu tố Yamanaka (OSK) trong dây thần kinh thị giác. Các tế bào thần kinh đã tái tạo và tuổi sinh học của chúng giảm xuống (Lu và cộng sự, Nature 2020). Đây là bằng chứng cho thấy các mục tiêu di truyền chính xác thực sự đảo ngược các quá trình.

Nghiên cứu 2: AlphaFold và dự đoán cấu trúc protein

Trong một thành tựu riêng biệt và khác, DeepMind đã phát hành vào năm 2022 cấu trúc ba chiều của hơn 200 triệu protein, hầu như tất cả các protein đã biết. Thành tựu này đã mang lại cho những người đứng đầu nhóm, Demis Hassabis và John Jumper, giải Nobel Hóa học năm 2024, và chứng minh rằng trí tuệ nhân tạo có thể giải quyết các vấn đề sinh học được coi là không thể giải quyết trong nhiều thập kỷ. Lưu ý: đây là một công cụ khác với Co-Scientist, nhưng nó chứng minh cùng một khả năng của DeepMind trong việc thúc đẩy khoa học sinh học.

Nghiên cứu 3: Bản đồ tế bào quy mô lớn

Các dự án như Human Cell Atlas đã lập bản đồ hồ sơ biểu hiện gen của hàng triệu tế bào đơn lẻ từ nhiều loại mô và độ tuổi khác nhau. Dữ liệu như vậy, cùng với tài liệu khoa học, là một phần nguyên liệu thô mà một hệ thống như Co-Scientist có thể dựa vào để hiểu 'tế bào trẻ' và 'tế bào già' là gì ở cấp độ gen.

Nghiên cứu 4: Đồng hồ lão hóa biểu sinh

Đồng hồ Horvath và các phiên bản kế nhiệm của nó đo tuổi sinh học dựa trên các mẫu methyl hóa DNA với độ chính xác khoảng 3,6 năm (sai số trung bình). Những chiếc đồng hồ như vậy cung cấp cho các nhà nghiên cứu một thước đo khách quan: liệu sự thay đổi di truyền được đề xuất có thực sự làm giảm tuổi hay không.

Còn các bệnh cụ thể theo tuổi thì sao?

Trẻ hóa tế bào không phải là một mục tiêu trừu tượng. Nếu chúng ta thành công trong việc đảo ngược tế bào, những tác động sẽ liên quan đến mọi căn bệnh phụ thuộc vào tuổi tác:

• Các bệnh thoái hóa thần kinh: Tế bào thần kinh hầu như không phân chia, do đó trẻ hóa chúng có thể là giải pháp cho Alzheimer và Parkinson, những nơi tế bào gốc không giúp ích được gì.
• Bệnh tim: Các tế bào cơ tim mất khả năng tái tạo theo tuổi tác. Tái lập trình một phần có thể phục hồi nó.
• Hệ thống miễn dịch: 'Trẻ hóa' các tế bào của hệ thống miễn dịch có thể phục hồi khả năng phòng vệ suy yếu theo tuổi tác và cải thiện phản ứng với vắc-xin.

Nói cách khác, một động cơ xác định hiệu quả các mục tiêu di truyền để trẻ hóa không giải quyết một căn bệnh duy nhất, mà tấn công yếu tố chung của tất cả các bệnh tuổi già.

Đây có phải là bước đột phá mà tất cả chúng ta đang chờ đợi?

Ở đây cần dừng lại và hít một hơi thật sâu. Tiêu đề 'Trí tuệ nhân tạo đảo ngược lão hóa' rất thú vị, nhưng khoảng cách từ một ứng cử viên di truyền trên màn hình đến một phương pháp điều trị trên người là rất lớn.

• Đề xuất không phải là xác nhận: Ngay cả khi hệ thống đề xuất một gen là ứng cử viên đầy hứa hẹn, nó cần được kiểm tra trong tế bào sống, sau đó trên động vật, và chỉ sau đó trên người. Tỷ lệ thất bại trên con đường này rất cao. Ngay cả trong ví dụ hiện tại, chỉ một phần nhỏ trong số 20 yếu tố được đề xuất đã trải qua xác nhận ban đầu trong tế bào.
• Nguy cơ ung thư: Kích hoạt các yếu tố Yamanaka mà không kiểm soát sẽ biến tế bào thành tế bào gốc hoang dã, có thể gây ra khối u. Kiểm soát liều lượng và thời gian là thách thức lớn nhất.
• Thời gian: Ngay cả trong kịch bản lạc quan, các thử nghiệm lâm sàng trên người kéo dài 7 đến 12 năm. Không có trí tuệ nhân tạo nào rút ngắn giai đoạn an toàn.
• Thổi phồng so với thực tế: Các công ty thương mại và tiêu đề thích làm mờ đi sự khác biệt giữa 'chúng tôi đã tìm thấy một ứng cử viên' và 'chúng tôi đã tìm thấy một phương pháp điều trị'. Người tiêu dùng cần đọc kỹ những gì thực sự đã được chứng minh.

Vì vậy, không, không ai trong chúng ta sẽ nhận được một mũi tiêm trẻ hóa trong năm tới. Điều đã xảy ra là tốc độ của giai đoạn khám phá đã tăng lên một bậc, và điều đó một mình nó đã có ý nghĩa.

Vậy chúng ta nên rút ra điều gì từ nghiên cứu này?

Ngay cả khi không có quyền truy cập vào các phòng thí nghiệm của Google, vẫn có những bài học thực tế có thể áp dụng ngay hôm nay:

1. Đừng mua 'thuốc trẻ hóa' được quảng cáo là dựa trên trí tuệ nhân tạo. Nếu một thứ gì đó đã được bán ngay hôm nay, nó đã không vượt qua giai đoạn xác nhận lâm sàng. Hãy giữ một thái độ hoài nghi lành mạnh.
2. Hỗ trợ các cơ chế sửa chữa tự nhiên của bạn: Tập thể dục, nhịn ăn gián đoạn và ngủ chất lượng sẽ kích hoạt các con đường sửa chữa DNA và trẻ hóa tế bào giống nhau mà khoa học đang cố gắng giải mã.
3. Theo dõi đồng hồ sinh học của bạn: Các xét nghiệm tuổi biểu sinh (như TruAge) có sẵn cho công chúng và cung cấp một thước đo khách quan về tác động của những thay đổi lối sống của bạn.
4. Đầu tư vào sức khỏe trao đổi chất: Cân bằng đường huyết, duy trì khối lượng cơ bắp và cholesterol khỏe mạnh làm chậm quá trình lão hóa tế bào ngay cả khi không có bất kỳ can thiệp di truyền nào.
5. Luôn cập nhật, nhưng hãy kiên nhẫn: Đây là một lĩnh vực đang tiến bộ nhảy vọt. Tin tức thực sự sẽ đến từ kết quả thử nghiệm lâm sàng, không phải từ một thông cáo báo chí.

Góc nhìn rộng hơn

Sự gia nhập của DeepMind vào đấu trường tuổi thọ đánh dấu một sự thay đổi sâu sắc hơn bất kỳ gen đơn lẻ nào mà nó tìm thấy. Nó đánh dấu sự chuyển đổi của lão hóa từ một lĩnh vực khoa học ngoại vi sang một đấu trường nơi các công ty công nghệ lớn nhất thế giới cạnh tranh. Khi Google, với một trong những phòng thí nghiệm trí tuệ nhân tạo mạnh nhất thế giới, quyết định rằng trẻ hóa tế bào đáng để chú ý, toàn bộ lĩnh vực này nhận được tài trợ, nhân tài và tính hợp pháp.

Nhưng cũng có một lời nhắc nhở khiêm tốn ở đây. Co-Scientist không 'giải quyết' sinh học, nó tổng hợp kiến thức hiện có và cung cấp cho các nhà nghiên cứu một bản đồ tốt hơn nhiều. Trí tuệ nhân tạo thu hẹp không gian tìm kiếm, nó không thay thế công việc khó khăn của xác nhận, an toàn và hiểu biết. Bộ gen không chỉ là một văn bản cần giải mã, nó là một hệ thống sống phản ứng theo những cách vẫn còn làm chúng ta ngạc nhiên.

Thời điểm thích hợp để phấn khích không phải là khi một thuật toán đề xuất một ứng cử viên, mà là khi một tế bào người thực sự trong phòng thí nghiệm trở nên trẻ hơn nhờ nó. Co-Scientist vừa rút ngắn con đường đến khoảnh khắc đó, nhưng không loại bỏ nó.

Tài liệu tham khảo:
Google DeepMind: Fast-tracking genetic leads to reverse cellular aging, 19 May 2026