Hanmi Pharm ứng dụng AI thiết kế thuốc điều trị béo phì thế hệ mới

 
Hanmi Pharm vừa công bố công nghệ ứng dụng trí tuệ nhân tạo (AI) trong thiết kế thuốc điều trị béo phì thế hệ mới, cho thấy AI không chỉ hỗ trợ phân tích dữ liệu mà còn có thể định hướng quá trình thiết kế các ứng viên thuốc tiềm năng, góp phần rút ngắn thời gian nghiên cứu và phát triển.

Thông tin được công bố tại Hội nghị Quốc tế về Hệ thống Thông minh trong Sinh học Phân tử (ISMB 2026), diễn ra tại Mỹ từ ngày 12 đến 16/7. Tại đây, Hanmi Pharm đã giới thiệu kết quả nghiên cứu sử dụng nền tảng AI do công ty tự phát triển mang tên HARP-pSAR để tìm ra ứng viên thuốc điều trị béo phì kết hợp tăng cường khối cơ.

Ứng viên nổi bật được giới thiệu là LA-UCN2 (mã HM17321) – loại thuốc được đánh giá là đầu tiên trên thế giới có khả năng vừa hỗ trợ giảm cân, vừa thúc đẩy tăng khối lượng cơ. Hiện loại thuốc này đang được thử nghiệm lâm sàng giai đoạn 1 tại Mỹ.

Khác với các thuốc giảm cân phổ biến thuộc nhóm GLP-1, HM17321 hoạt động theo cơ chế hoàn toàn mới khi chọn lọc tác động lên thụ thể CRF2 (CRFR2), giúp giảm mỡ đồng thời kích thích phát triển cơ bắp.

Để đạt được hiệu quả này, nhóm nghiên cứu đã tối ưu hóa trình tự của chất tương tự Urocortin-2 (UCN2) nhằm tăng khả năng gắn kết với thụ thể CRFR2 nhưng không kích hoạt thụ thể ngoài mục tiêu là CRFR1, qua đó nâng cao hiệu quả điều trị và hạn chế tác dụng không mong muốn.

Theo Hanmi Pharm, quá trình phát triển thuốc gặp thách thức lớn do lượng dữ liệu thực nghiệm còn hạn chế. Tuy nhiên, nền tảng AI HARP-pSAR đã giúp phân tích những thay đổi rất nhỏ trong trình tự protein, dự đoán chính xác hoạt tính sinh học của từng biến thể và đề xuất hướng thiết kế tối ưu cho các ứng viên thuốc mới.

Ông Choi In-young, Giám đốc Bộ phận Tăng trưởng Tương lai của Hanmi Pharm, cho biết nghiên cứu lần này là minh chứng cho thấy AI có thể trở thành "đối tác nghiên cứu" thực sự trong quá trình phát triển thuốc mới, không chỉ giúp định hướng thiết kế các ứng viên tiềm năng mà còn giảm đáng kể số lần thử nghiệm và những sai sót trong quá trình nghiên cứu.