[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_ph%C3%A1t%20hi%E1%BB%87n%20thu%E1%BB%91c{\"limit\":5}":3,"_public_topic_byId_ph%C3%A1t%20hi%E1%BB%87n%20thu%E1%BB%91c":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":17,"englishTitle":18,"synonyms":10,"definition":19,"discipline":20,"references":21,"faqs":45,"createUser":55,"publishUser":59,"keywords":63,"keywordCount":74,"enrichTopicLink":75,"status":76,"createTime":77,"updateTime":78,"publishTime":79,"linkEnrichedTime":80,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":81,"wikidataId":10,"relateTopics":82},"phát hiện thuốc","Phát hiện thuốc là gì? Các nghiên cứu khoa học liên quan","Phát hiện thuốc là quá trình xác định các phân tử có tiềm năng điều trị bệnh thông qua sàng lọc, thiết kế và đánh giá đặc tính sinh học, hóa học. Quá trình này tích hợp nhiều lĩnh vực như sinh học phân tử, hóa dược và trí tuệ nhân tạo để tạo ra ứng viên thuốc hiệu quả và an toàn. ","\u003Cp>\u003Cstrong>Phát hiện thuốc\u003C\u002Fstrong> (\u003Cem>drug discovery\u003C\u002Fem>) là giai đoạn khởi đầu trong quy trình nghiên cứu và phát triển dược phẩm, bao gồm việc xác định đích sinh học, sàng lọc phân tử hoạt tính và tối ưu hóa hợp chất dẫn đường để phát triển các ứng viên trị liệu an toàn và hiệu quả.\u003C\u002Fp>\n\n\u003Cp>Trong y học hiện đại, phát hiện thuốc không còn phụ thuộc hoàn toàn vào thử sai trong tự nhiên như trước kia, mà đã chuyển sang hướng định hướng mục tiêu và tính toán bằng các công cụ tin sinh học và trí tuệ nhân tạo. Mục tiêu là rút ngắn thời gian phát triển, giảm chi phí, đồng thời nâng cao tỷ lệ thành công. Trung bình, để một loại thuốc ra thị trường, quá trình phát hiện và phát triển có thể kéo dài từ 10 đến 15 năm, với chi phí lên tới hàng tỷ đô la Mỹ.\u003C\u002Fp>\n\n\u003Cp>Với tốc độ đổi mới khoa học ngày càng nhanh, phát hiện thuốc hiện nay là lĩnh vực cốt lõi trong đổi mới y học chính xác và {{topic|%7B%22topic%22%3A%22y%20h%E1%BB%8Dc%20c%C3%A1%20nh%C3%A2n%20h%C3%B3a%22%7D}}. Khả năng tạo ra các phân tử điều trị đặc hiệu theo từng bệnh hoặc từng nhóm gen bệnh nhân là động lực thúc đẩy sự phát triển mạnh mẽ của lĩnh vực này.\u003C\u002Fp>\n\n\u003Ch2>Các giai đoạn chính trong phát hiện thuốc\u003C\u002Fh2>\n\u003Cp>Phát hiện thuốc thường được chia thành các giai đoạn chính, mỗi giai đoạn có mục tiêu, công cụ và yêu cầu dữ liệu riêng biệt. Đây là quá trình mang tính lặp lại và điều chỉnh liên tục, không tuyến tính.\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>\u003Cstrong>Xác định và xác nhận mục tiêu (Target identification & validation)\u003C\u002Fstrong>: tìm ra protein hoặc gen có liên quan đến bệnh.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Sàng lọc hợp chất (High-throughput screening)\u003C\u002Fstrong>: thử nghiệm hàng ngàn hợp chất để tìm “hit” có tác dụng.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tối ưu hóa hoạt chất (Lead optimization)\u003C\u002Fstrong>: cải tiến hoạt chất về độ mạnh, chọn lọc và tính an toàn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Đánh giá tiền lâm sàng (Preclinical testing)\u003C\u002Fstrong>: xác định độc tính, dược động học và hiệu quả trên mô hình động vật.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Quá trình này thường kéo dài từ 3 đến 6 năm trước khi một ứng viên thuốc được đưa vào {{topic|%7B%22topic%22%3A%22th%E1%BB%AD%20nghi%E1%BB%87m%20l%C3%A2m%20s%C3%A0ng%22%7D}}. Mỗi bước đều có các chỉ số đánh giá cụ thể về hoạt tính sinh học, tính chọn lọc, độ hòa tan, ổn định và tương tác chuyển hóa.\u003C\u002Fp>\n\n\u003Cp>Dưới đây là bảng tóm tắt các giai đoạn trong phát hiện thuốc:\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Giai đoạn\u003C\u002Fth>\n    \u003Cth>Mục tiêu chính\u003C\u002Fth>\n    \u003Cth>Kết quả kỳ vọng\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Xác định mục tiêu\u003C\u002Ftd>\n    \u003Ctd>Tìm mục tiêu sinh học liên quan đến bệnh\u003C\u002Ftd>\n    \u003Ctd>Target có tiềm năng trị liệu, có khả năng gắn thuốc\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Sàng lọc hợp chất\u003C\u002Ftd>\n    \u003Ctd>Phát hiện hit compound\u003C\u002Ftd>\n    \u003Ctd>Dữ liệu về hiệu lực ban đầu của các phân tử\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Tối ưu hóa dẫn xuất\u003C\u002Ftd>\n    \u003Ctd>Cải thiện đặc tính lý-hóa và sinh học\u003C\u002Ftd>\n    \u003Ctd>Ứng viên có hồ sơ hoạt tính và an toàn tốt\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Tiền lâm sàng\u003C\u002Ftd>\n    \u003Ctd>Thử nghiệm trên mô hình sống\u003C\u002Ftd>\n    \u003Ctd>Dự báo hiệu quả và an toàn ở người\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Xác định mục tiêu điều trị\u003C\u002Fh2>\n\u003Cp>Xác định mục tiêu là bước đầu tiên trong phát hiện thuốc. Mục tiêu này thường là một protein như enzyme, thụ thể (receptor), kênh ion, hoặc RNA có vai trò then chốt trong cơ chế bệnh học. Các phương pháp thường dùng để xác định mục tiêu bao gồm: {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20t%C3%ADch%20d%E1%BB%AF%20li%E1%BB%87u%22%7D}} di truyền (GWAS), RNA-seq, proteomics, và phân tích {{topic|%7B%22topic%22%3A%22m%E1%BA%A1ng%20l%C6%B0%E1%BB%9Bi%20t%C6%B0%C6%A1ng%20t%C3%A1c%22%7D}} protein.\u003C\u002Fp>\n\n\u003Cp>Một tiêu chí quan trọng khi chọn mục tiêu là \"khả năng gắn thuốc\" (druggability), tức khả năng của phân tử sinh học đó có thể tương tác với một hợp chất nhỏ một cách chọn lọc và hiệu quả. Việc xác nhận mục tiêu (validation) bao gồm các thí nghiệm làm giảm, bất hoạt hoặc kích thích mục tiêu để quan sát ảnh hưởng đến bệnh.\u003C\u002Fp>\n\n\u003Cp>Xem thêm về chiến lược xác định mục tiêu tại \u003Ca href=\"https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fpmc\u002Farticles\u002FPMC4809689\u002F\" target=\"_blank\">NCBI – Target Validation Strategies\u003C\u002Fa>.\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Ưu tiên mục tiêu có cấu trúc 3D đã biết để mô hình hóa\u003C\u002Fli>\n  \u003Cli>Ưu tiên mục tiêu có dữ liệu liên quan đến bệnh người\u003C\u002Fli>\n  \u003Cli>Tránh mục tiêu có biểu hiện rộng gây tác dụng phụ\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Sàng lọc hợp chất và high-throughput screening (HTS)\u003C\u002Fh2>\n\u003Cp>Sàng lọc hợp chất là quá trình thử nghiệm hàng nghìn đến hàng triệu hợp chất hóa học để tìm ra những phân tử có {{topic|%7B%22topic%22%3A%22ho%E1%BA%A1t%20t%C3%ADnh%20sinh%20h%E1%BB%8Dc%22%7D}} mong muốn – gọi là “hit”. Với công nghệ sàng lọc cao tốc (HTS), các robot tự động kết hợp vi mạch và phần mềm điều khiển có thể xử lý hàng chục nghìn phản ứng mỗi ngày.\u003C\u002Fp>\n\n\u003Cp>Kết quả HTS được đo thông qua tín hiệu đầu ra (output signal) như hấp thụ quang, huỳnh quang, phát xạ hoặc thay đổi điện thế màng. Những hợp chất có tín hiệu vượt ngưỡng sẽ được chọn để phân tích thêm, kiểm tra độ đặc hiệu và khả năng tái lập kết quả.\u003C\u002Fp>\n\n\u003Cp>Một số tiêu chí khi sàng lọc:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Phân tử có hoạt tính đáng kể ở nồng độ thấp (< 10 µM)\u003C\u002Fli>\n  \u003Cli>Không gây độc cho tế bào hoặc nhiễu tín hiệu\u003C\u002Fli>\n  \u003Cli>Dễ tổng hợp hoặc tách chiết\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Nhiều trung tâm nghiên cứu hiện nay chia sẻ thư viện sàng lọc mở như tại \u003Ca href=\"https:\u002F\u002Fwww.broadinstitute.org\u002Fplatforms\u002Fdrug-discovery\" target=\"_blank\">Broad Institute Drug Discovery Platform\u003C\u002Fa>, góp phần thúc đẩy hợp tác toàn cầu trong phát hiện thuốc.\u003C\u002Fp>\n\n\u003Ctxt>\n\u003Ch2>Tối ưu hóa hoạt tính dẫn xuất\u003C\u002Fh2>\n\u003Cp>Sau khi sàng lọc và xác định được các “hit” ban đầu có hoạt tính sinh học tiềm năng, bước tiếp theo là tối ưu hóa những phân tử này để tạo ra “lead compounds” – tức các ứng viên thuốc phù hợp hơn về hiệu quả, độ chọn lọc, độ ổn định và độ an toàn. Quá trình này thường kéo dài nhiều vòng lặp, kết hợp giữa tổng hợp hóa học và đánh giá sinh học.\u003C\u002Fp>\n\n\u003Cp>Các kỹ thuật phổ biến trong tối ưu hóa bao gồm: {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20t%C3%ADch%20c%E1%BA%A5u%20tr%C3%BAc%22%7D}}-hoạt tính (SAR), mô hình hóa cấu trúc phân tử (molecular docking), tính toán dược lý học (QSAR) và thử nghiệm in vitro. Quá trình này còn cải thiện các chỉ số ADME (hấp thu, phân bố, chuyển hóa, thải trừ) và giảm độc tính. Một số chỉ số hóa sinh học được quan tâm nhiều nhất trong giai đoạn này là IC\u003Csub>50\u003C\u002Fsub>, EC\u003Csub>50\u003C\u002Fsub> và Ki:\u003C\u002Fp>\n\n\u003Cp>\u003Cscript type=\"math\u002Ftex\">IC_{50} = \\frac{[I]}{1 + \\frac{[S]}{K_m}}\u003C\u002Fscript>\u003C\u002Fp>\n\u003Cp>Trong đó, \u003Cscript type=\"math\u002Ftex\"> [I] \u003C\u002Fscript> là nồng độ chất ức chế, \u003Cscript type=\"math\u002Ftex\"> [S] \u003C\u002Fscript> là nồng độ cơ chất, và \u003Cscript type=\"math\u002Ftex\"> K_m \u003C\u002Fscript> là hằng số Michaelis-Menten. IC\u003Csub>50\u003C\u002Fsub> càng thấp thì hiệu lực ức chế càng mạnh.\u003C\u002Fp>\n\n\u003Cp>Những đặc điểm cần đạt được trong quá trình tối ưu hóa:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Độ chọn lọc cao (không ức chế ngoài mục tiêu)\u003C\u002Fli>\n  \u003Cli>Hiệu lực mạnh ở nồng độ thấp (< 1 µM)\u003C\u002Fli>\n  \u003Cli>Khả năng hòa tan và ổn định trong huyết tương\u003C\u002Fli>\n  \u003Cli>Không gây độc tế bào hoặc genotoxicity\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Đánh giá dược động học và độc tính (ADME\u002FTox)\u003C\u002Fh2>\n\u003Cp>ADME\u002FTox là bước tiền lâm sàng không thể thiếu để đảm bảo ứng viên thuốc có thể tồn tại trong cơ thể đủ lâu, phân bố đúng vị trí và không gây độc. Việc phân tích ADME giúp xác định khả năng hấp thu qua ruột, phân bố vào mô, chuyển hóa qua gan và bài tiết qua thận. Tox (độc tính) giúp xác định mức độ an toàn ban đầu.\u003C\u002Fp>\n\n\u003Cp>Các mô hình in vitro thường dùng gồm:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Tế bào gan người (HepG2) để kiểm tra chuyển hóa\u003C\u002Fli>\n  \u003Cli>CYP450 inhibition assays để dự đoán tương tác thuốc\u003C\u002Fli>\n  \u003Cli>Microsome stability test để đo {{topic|%7B%22topic%22%3A%22th%E1%BB%9Di%20gian%20b%C3%A1n%20h%E1%BB%A7y%22%7D}}\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Các chỉ số quan trọng trong ADME:\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Thông số\u003C\u002Fth>\n    \u003Cth>Ý nghĩa\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>LogP\u003C\u002Ftd>\n    \u003Ctd>Khả năng phân bố lipid\u002Fnước, ảnh hưởng tới hấp thu\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>T\u003Csub>1\u002F2\u003C\u002Fsub>\u003C\u002Ftd>\n    \u003Ctd>Thời gian bán hủy, cho biết tốc độ đào thải thuốc\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>CL (Clearance)\u003C\u002Ftd>\n    \u003Ctd>Mức độ cơ thể loại bỏ thuốc, đơn vị L\u002Fh\u002Fkg\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Bioavailability\u003C\u002Ftd>\n    \u003Ctd>Tỷ lệ thuốc vào được vòng tuần hoàn, càng cao càng tốt\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Cp>Đánh giá độc tính được thực hiện bằng nhiều mô hình, từ tế bào cho đến chuột và chó. Nếu hợp chất gây độc cấp tính (LD\u003Csub>50\u003C\u002Fsub> thấp) hoặc có biểu hiện genotoxicity, ứng viên sẽ bị loại bỏ.\u003C\u002Fp>\n\n\u003Ch2>Vai trò của công nghệ AI và mô hình học máy\u003C\u002Fh2>\n\u003Cp>Trí tuệ nhân tạo (AI) và học máy (machine learning) đang trở thành công cụ không thể thiếu trong phát hiện thuốc hiện đại. Các mô hình học máy giúp dự đoán hoạt tính sinh học của phân tử, mô phỏng khả năng gắn kết với protein, dự báo ADMET và đề xuất cấu trúc hóa học mới. Nhờ AI, thời gian sàng lọc ảo (virtual screening) được rút ngắn từ hàng tháng xuống vài giờ.\u003C\u002Fp>\n\n\u003Cp>Các công cụ nổi bật bao gồm:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fdeepchem.io\u002F\" target=\"_blank\">DeepChem\u003C\u002Fa>: thư viện mã nguồn mở cho học máy trong hóa sinh\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Falphafold.ebi.ac.uk\u002F\" target=\"_blank\">AlphaFold\u003C\u002Fa>: dự đoán cấu trúc 3D protein chính xác từ trình tự\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fchemprop.csail.mit.edu\u002F\" target=\"_blank\">Chemprop\u003C\u002Fa>: dự đoán thuộc tính hóa học từ SMILES\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>AI còn được ứng dụng trong thiết kế thuốc tự động (de novo drug design), giúp tạo ra những phân tử mới có hoạt tính mạnh và độc quyền. Xem thêm tại \u003Ca href=\"https:\u002F\u002Fwww.nature.com\u002Farticles\u002Fs41587-020-0650-9\" target=\"_blank\">Nature Biotechnology – AI in Drug Discovery\u003C\u002Fa>.\u003C\u002Fp>\n\n\u003Ch2>Phát hiện thuốc dựa trên cấu trúc và tính toán\u003C\u002Fh2>\n\u003Cp>Thiết kế thuốc dựa trên cấu trúc (Structure-Based Drug Design – SBDD) là chiến lược sử dụng cấu trúc 3D của mục tiêu sinh học để thiết kế các hợp chất có khả năng gắn kết tối ưu. Kỹ thuật chủ đạo trong SBDD là docking – mô phỏng cách phân tử thuốc “khóa” vào vị trí hoạt động của protein đích.\u003C\u002Fp>\n\n\u003Cp>Các bước chính của SBDD:\u003C\u002Fp>\n\u003Col>\n  \u003Cli>Tải cấu trúc protein từ cơ sở dữ liệu như \u003Ca href=\"https:\u002F\u002Fwww.rcsb.org\u002F\" target=\"_blank\">RCSB PDB\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>Dọn sạch phân tử protein (tách nước, ion, đồng kết)\u003C\u002Fli>\n  \u003Cli>Gắn hợp chất vào vị trí hoạt tính và tính toán {{topic|%7B%22topic%22%3A%22n%C4%83ng%20l%C6%B0%E1%BB%A3ng%20li%C3%AAn%20k%E1%BA%BFt%22%7D}}\u003C\u002Fli>\n  \u003Cli>Chọn ra các phân tử có binding energy thấp nhất\u003C\u002Fli>\n\u003C\u002Fol>\n\n\u003Cp>SBDD giúp tăng khả năng trúng đích và giảm số lượng hợp chất cần thử nghiệm thực tế, từ đó tiết kiệm thời gian và chi phí đáng kể.\u003C\u002Fp>\n\n\u003Ch2>Những thách thức và xu hướng tương lai\u003C\u002Fh2>\n\u003Cp>Mặc dù công nghệ đã tiến bộ, phát hiện thuốc vẫn là lĩnh vực có tỷ lệ thất bại cao. Chỉ khoảng 1 trong 5000 hợp chất ban đầu được sàng lọc có thể trở thành thuốc được phê duyệt. Các nguyên nhân chính là: thiếu hiệu quả trên mô hình sống, độc tính không phát hiện sớm, và khả năng hấp thu kém ở người.\u003C\u002Fp>\n\n\u003Cp>Các xu hướng nổi bật trong tương lai:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Phát triển thuốc RNA (siRNA, mRNA) thay cho hợp chất nhỏ\u003C\u002Fli>\n  \u003Cli>Sử dụng hệ thống organ-on-chip để mô phỏng phản ứng của cơ thể\u003C\u002Fli>\n  \u003Cli>Áp dụng AI toàn diện trong cả thiết kế, tối ưu và dự báo\u003C\u002Fli>\n  \u003Cli>Tạo thư viện hóa học mở để tăng tốc khám phá thuốc hiếm\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Ngành công nghiệp đang chuyển hướng từ “số lượng hợp chất” sang “{{topic|%7B%22topic%22%3A%22ch%E1%BA%A5t%20l%C6%B0%E1%BB%A3ng%20th%C3%B4ng%20tin%22%7D}}” – chú trọng {{topic|%7B%22topic%22%3A%22khai%20th%C3%A1c%20d%E1%BB%AF%20li%E1%BB%87u%22%7D}} sinh học và mô hình dự báo thay vì chỉ thử nghiệm hàng loạt hợp chất.\u003C\u002Fp>\u003C\u002Ftxt>","Phát hiện thuốc","drug discovery","Phát hiện thuốc là giai đoạn khởi đầu trong quy trình nghiên cứu và phát triển dược phẩm, bao gồm việc xác định đích sinh học, sàng lọc phân tử hoạt tính và tối ưu hóa hợp chất dẫn đường để phát triển các ứng viên trị liệu an toàn và hiệu quả.","MEDICAL_HEALTH_SCIENCES",[22,30,38],{"citationText":23,"title":24,"authors":25,"source":26,"year":27,"doi":28,"url":29},"Kumar (2021). Drug Discovery (Lead Identification and High Throughput Screening). Research Journal of Pharmacology and Pharmacodynamics.","Drug Discovery (Lead Identification and High Throughput Screening)","Kumar","Research Journal of Pharmacology and Pharmacodynamics",2021,"10.52711\u002F2321-5836.2021.00010","https:\u002F\u002Fdoi.org\u002F10.52711\u002F2321-5836.2021.00010",{"citationText":31,"title":32,"authors":33,"source":34,"year":35,"doi":36,"url":37},"Castello (2024). Preselection of Compounds for Lead Identification in Virtual Screening Campaigns. Computer-Aided Drug Discovery and Design Structure-Based Drug Design.","Preselection of Compounds for Lead Identification in Virtual Screening Campaigns","Castello","Computer-Aided Drug Discovery and Design Structure-Based Drug Design",2024,"10.1007\u002F978-3-031-69162-1_4","https:\u002F\u002Fdoi.org\u002F10.1007\u002F978-3-031-69162-1_4",{"citationText":39,"title":40,"authors":41,"source":42,"year":27,"doi":43,"url":44},"Nemmani (2021). Pharmacological Screening: Drug Discovery. Drug Discovery and Development.","Pharmacological Screening: Drug Discovery","Nemmani","Drug Discovery and Development","10.1007\u002F978-981-15-5534-3_7","https:\u002F\u002Fdoi.org\u002F10.1007\u002F978-981-15-5534-3_7",[46,49,52],{"question":47,"answer":48},"Quy trình xác nhận đích sinh học (target validation) gồm những bước nào?","Quy trình xác nhận đích gồm chứng minh đích phân tử liên quan nhân quả đến bệnh học bằng kỹ thuật di truyền như CRISPR hoặc RNAi và kiểm tra khả năng can thiệp dược lý bằng phân tử công cụ.",{"question":50,"answer":51},"Sàng lọc thông lượng cao (HTS) hoạt động như thế nào trong phát hiện thuốc?","HTS sử dụng hệ thống robot tự động và xét nghiệm thu nhỏ để thử nghiệm hàng trăm nghìn đến hàng triệu hợp chất hóa học đối với đích sinh học trong thời gian ngắn nhằm tìm ra hợp chất trúng đích.",{"question":53,"answer":54},"Mục tiêu của giai đoạn tối ưu hóa hợp chất dẫn đường (lead optimization) là gì?","Tối ưu hóa hợp chất dẫn đường nhằm tinh chỉnh cấu trúc phân tử để tăng ái lực chọn lọc với đích, cải thiện đặc tính dược động học bao gồm hấp thu, phân bố, chuyển hóa, thải trừ và giảm thiểu độc tính tiềm ẩn.",{"id":56,"researcherId":10,"name":57,"imageUrl":58},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":60,"researcherId":10,"name":61,"imageUrl":62},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",[64,65,66,67,68,69,70,71,72,73],"y học cá nhân hóa","thử nghiệm lâm sàng","phân tích dữ liệu","mạng lưới tương tác","hoạt tính sinh học","phân tích cấu trúc","thời gian bán hủy","năng lượng liên kết","chất lượng thông tin","khai thác dữ liệu",10,true,"PUBLISHED","2025-05-09T13:46:16.237+00:00","2026-09-07T09:08:37.501+00:00","2025-08-14T10:26:32.090+00:00","2026-09-07T09:08:36.981+00:00",238,[83,86,89,92,95,97,100,103,106,109],{"id":84,"title":85,"term":84,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"bibliometrics","Bibliometrics là gì? Các nghiên cứu khoa học về Bibliometrics",{"id":87,"title":88,"term":87,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"tán xạ","Tán xạ là gì? Các nghiên cứu khoa học về Tán xạ",{"id":90,"title":91,"term":90,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"toán cao cấp","Toán cao cấp là gì? Các nghiên cứu khoa học về Toán cao cấp",{"id":93,"title":94,"term":93,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"học thuật","Học thuật là gì? Các nghiên cứu khoa học về Học thuật",{"id":72,"title":96,"term":72,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"Chất lượng thông tin là gì? Nghiên cứu khoa học liên quan",{"id":98,"title":99,"term":98,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu hồi cứu","Nghiên cứu hồi cứu là gì? Các nghiên cứu khoa học về Nghiên cứu hồi cứu",{"id":101,"title":102,"term":101,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"in silico","In silico là gì? Các công bố khoa học về In silico",{"id":104,"title":105,"term":104,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"artificial intelligence","Artificial Intelligence là gì? Các nghiên cứu khoa học về AI",{"id":107,"title":108,"term":107,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu liên ngành","Nghiên cứu liên ngành là gì? Các nghiên cứu khoa học",{"id":110,"title":111,"term":110,"englishTitle":110,"definition":112,"discipline":113,"disciplineCode":114,"disciplineLabel":115,"disciplineColor":116,"disciplineIcon":117},"proton","Proton là gì? Cấu trúc và ứng dụng của Proton","Proton là một hạt hạ nguyên tử bền vững thuộc nhóm baryon cấu tạo từ hai quark lên và một quark xuống, mang điện tích nguyên tố dương và có khối lượng nghỉ xấp xỉ 1.6726 x 10^-27 kg nằm trong hạt nhân nguyên tử.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom"]