Os pesquisadores criaram um sistema de inteligência artificial capaz de prever onde uma molécula de medicamento pode ser alterada quimicamente.
Uma equipe colaborativa da LMU, ETH Zurich e Roche Pharma Research and Early Development (pRED) em Basileia empregou inteligência artificial (IA) para desenvolver uma nova técnica para prever o método ideal para sintetizar moléculas de medicamentos.
“Este método tem o potencial de reduzir significativamente o número de experiências laboratoriais necessárias, aumentando assim a eficiência e a sustentabilidade da síntese química”, afirma David Nippa, autor principal do artigo correspondente, que foi publicado na revista. Química da Natureza. Nippa é estudante de doutorado no grupo de pesquisa do Dr. David Konrad na Faculdade de Química e Farmácia da LMU e da Roche.
Inovações no Desenvolvimento Farmacêutico
Os ingredientes farmacêuticos ativos normalmente consistem em uma estrutura à qual estão ligados grupos funcionais. Esses grupos permitem uma função biológica específica. Para alcançar efeitos médicos novos ou melhorados, os grupos funcionais são alterados e adicionados a novas posições na estrutura. No entanto, este processo é particularmente desafiador em química, uma vez que as estruturas, que consistem principalmente em átomos de carbono e hidrogénio, dificilmente são reativas.
Um método de ativação da estrutura é a chamada reação de borilação. Neste processo, um grupo químico contendo o elemento boro é ligado a um carbono átomo do quadro. Este grupo de boro pode então ser substituído por uma variedade de grupos clinicamente eficazes. Embora a borilação tenha grande potencial, é difícil de controlar em laboratório.
Juntamente com Kenneth Atz, estudante de doutorado na ETH Zurique, David Nippa desenvolveu um modelo de IA que foi treinado com dados de trabalhos científicos confiáveis e experimentos de um laboratório automatizado da Roche. Pode prever com sucesso a posição de borilação para qualquer molécula e fornece as condições ideais para a transformação química. “Curiosamente, as previsões melhoraram quando as informações tridimensionais dos materiais de partida foram levadas em consideração, e não apenas as suas fórmulas químicas bidimensionais”, diz Atz.
O método já foi utilizado com sucesso para identificar posições em ingredientes ativos existentes onde grupos ativos adicionais podem ser introduzidos. Isso ajuda os pesquisadores a desenvolver variantes novas e mais eficazes de ingredientes ativos de medicamentos conhecidos com mais rapidez.
Referência: “Permitindo a diversificação de medicamentos em estágio final por meio de experimentação de alto rendimento com aprendizado geométrico profundo” por David F. Nippa, Kenneth Atz, Remo Hohler, Alex T. Müller, Andreas Marx, Christian Bartelmus, Georg Wuitschik, Irene Marzuoli, Vera Jost , Jens Wolfard, Martin Binder, Antonia F. Stepan, David B. Konrad, Uwe Grether, Rainer E. Martin e Gisbert Schneider, 23 de novembro de 2023, Química da Natureza.
DOI: 10.1038/s41557-023-01360-5