Descobrir futuros medicamentos a partir de dezenas de bilhões de moléculas se torna muito menos caro graças a um novo método baseado em inteligência artificial.
Antes de fabricar e testar uma molécula em laboratório, os pesquisadores querem simular sua interação — e, portanto, sua eficácia — com uma proteína-alvo. Essa etapa, chamada triagem virtual, permite descartar rapidamente muitos candidatos. O problema surge quando a biblioteca contém bilhões de moléculas: os cálculos se tornam muito longos e caros.
Um conjunto de tubos de ensaio.
Imagem ilustrativa Unsplash
Uma equipe internacional desenvolveu o AdaptiveFlow para reduzir essa carga. A plataforma conta com uma biblioteca de 69 bilhões de moléculas já preparadas para as simulações. Em vez de testar cada molécula com a mesma precisão, ela começa organizando essa enorme coleção de acordo com suas propriedades.
Concretamente, o AdaptiveFlow distribui as moléculas em uma grade definida por 18 características, como sua massa ou sua capacidade de se dissolver na água. Algumas representantes de cada grupo são testadas primeiro. Os grupos que apresentam os resultados mais promissores podem então ser explorados de forma muito mais ampla.
A inteligência artificial pode intervir nessa etapa. Um modelo aprende com base nos primeiros cálculos para identificar as moléculas que merecem mais atenção. Segundo os pesquisadores, essa estratégia pode reduzir em até 1.000 vezes o custo computacional em comparação com a análise exaustiva das 69 bilhões de moléculas.
Para verificar se o sistema não se limitava a produzir bons resultados apenas no computador, a equipe aplicou-o a duas proteínas relacionadas ao câncer. Uma delas, a PARP1, participa do reparo do DNA e já é alvo de medicamentos. A outra, a FSP1, ajuda algumas células a resistir a uma forma específica de morte celular.
As moléculas selecionadas pelos cálculos foram então fabricadas e testadas na prática. Várias bloquearam fortemente, como desejado, as proteínas pesquisadas. Para a PARP1, um dos candidatos alcançou uma eficácia de ligação comparável à do olaparibe, um medicamento já utilizado contra alguns tipos de câncer. No entanto, isso não significa que se trate de um novo medicamento pronto para ser administrado: essas moléculas continuam sendo pontos de partida para novas pesquisas.
O AdaptiveFlow foi publicado em acesso aberto, e seu código está disponível gratuitamente. Os próximos usos poderão, portanto, testar essa abordagem em outras proteínas e outras bibliotecas, e depois verificar em laboratório se os candidatos selecionados mantêm suas propriedades em células e, mais tarde, em organismos vivos.