A nova plataforma ajudou os cientistas da UC San Diego a sintetizar 32 potenciais medicamentos multi-alvo contra o câncer.
Cientistas da UC San Diego desenvolveram um aprendizado de máquina algoritmo para simular a química demorada envolvida nas fases iniciais da descoberta de medicamentos, o que poderia agilizar significativamente o processo e abrir portas para tratamentos nunca antes vistos. A identificação de medicamentos candidatos para otimização adicional normalmente envolve milhares de experimentos individuais, mas a nova plataforma de inteligência artificial (IA) poderia potencialmente fornecer os mesmos resultados em uma fração do tempo.
Os pesquisadores utilizaram a nova ferramenta, descrita hoje (6 de maio) em Comunicações da Naturezapara sintetizar 32 novos candidatos a medicamentos para o câncer.
A mudança em direção à IA na indústria farmacêutica
A tecnologia faz parte de uma tendência nova, mas crescente, na ciência farmacêutica de usar IA para melhorar a descoberta e o desenvolvimento de medicamentos.
“Há alguns anos, a IA era um palavrão na indústria farmacêutica, mas agora a tendência é definitivamente oposta, com as startups de biotecnologia tendo dificuldade em arrecadar fundos sem incluir a IA em seu plano de negócios”, disse o autor sênior Trey Ideker, professor no Departamento de Medicina da Escola de Medicina da UC San Diego e professor adjunto de bioengenharia e ciência da computação na Escola de Engenharia Jacobs da UC San Diego. “A descoberta de medicamentos guiada por IA tornou-se uma área muito ativa na indústria, mas, ao contrário dos métodos que estão sendo desenvolvidos nas empresas, estamos tornando a nossa tecnologia de código aberto e acessível a qualquer pessoa que queira usá-la.”
Vantagens da descoberta de medicamentos multialvo
A nova plataforma, chamada POLYGON, é única entre as ferramentas de IA para descoberta de medicamentos, pois pode identificar moléculas com múltiplos alvos, enquanto os protocolos de descoberta de medicamentos existentes atualmente priorizam terapias de alvo único. Os medicamentos multialvo são de grande interesse para médicos e cientistas devido ao seu potencial para proporcionar os mesmos benefícios que a terapia combinada, na qual vários medicamentos diferentes são usados em conjunto para tratar o cancro, mas com menos efeitos secundários.
“São necessários muitos anos e milhões de dólares para encontrar e desenvolver um novo medicamento, especialmente se estivermos falando de um medicamento com alvos múltiplos.” disse Ideker. “Os raros medicamentos multialvo que temos foram descobertos em grande parte por acaso, mas esta nova tecnologia pode ajudar a eliminar o risco da equação e dar início a uma nova geração de medicina de precisão.”
Como funciona o POLÍGONO
Os pesquisadores treinaram o POLYGON em um banco de dados de mais de um milhão de moléculas bioativas conhecidas, contendo informações detalhadas sobre suas propriedades químicas e interações conhecidas com alvos proteicos. Ao aprender com os padrões encontrados no banco de dados, o POLYGON é capaz de gerar fórmulas químicas originais para novos candidatos a medicamentos que provavelmente terão certas propriedades, como a capacidade de inibir proteínas específicas.
“Assim como a IA agora é muito boa na geração de desenhos e imagens originais, como na criação de imagens de rostos humanos com base em propriedades desejadas, como idade ou sexo, o POLYGON é capaz de gerar compostos moleculares originais com base nas propriedades químicas desejadas”, disse Ideker. “Neste caso, em vez de dizer à IA a idade que queremos que o nosso rosto tenha, estamos a dizer-lhe como queremos que o nosso futuro medicamento interaja com as proteínas da doença.”
Testes e resultados
Para testar o POLYGON, os pesquisadores usaram-no para gerar centenas de candidatos a medicamentos que têm como alvo vários pares de proteínas relacionadas ao câncer. Destas, os investigadores sintetizaram 32 moléculas que tinham as interações previstas mais fortes com as proteínas MEK1 e mTOR, um par de proteínas de sinalização celular que são um alvo promissor para a terapia combinada do cancro. Estas duas proteínas são o que os cientistas chamam de sinteticamente letais, o que significa que a inibição de ambas em conjunto é suficiente para matar as células cancerígenas, mesmo que a inibição de uma isoladamente não o seja.
Os pesquisadores descobriram que as drogas sintetizadas tinham atividade significativa contra MEK1 e mTOR, mas tinham poucas reações fora do alvo com outras proteínas. Isto sugere que um ou mais dos medicamentos identificados pelo POLYGON poderiam ser capazes de atingir ambas as proteínas como tratamento contra o câncer, fornecendo uma lista de opções para ajuste fino por químicos humanos.
“Depois de ter os medicamentos candidatos, você ainda precisará fazer todos os outros procedimentos químicos necessários para refinar essas opções em um tratamento único e eficaz”, disse Ideker. “Não podemos e não devemos tentar eliminar a experiência humana do processo de descoberta de medicamentos, mas o que podemos fazer é encurtar algumas etapas do processo.”
Futuro da IA na descoberta de medicamentos
Apesar desta cautela, os investigadores estão optimistas de que as possibilidades da IA para a descoberta de medicamentos estão apenas a ser exploradas.
“Ver como este conceito se desenrolará ao longo da próxima década, tanto no meio académico como no sector privado, será muito emocionante”, disse Ideker. “As possibilidades são virtualmente infinitas.”
Referência: 6 de maio de 2024, Comunicações da Natureza.
Os co-autores do estudo incluem: Brenton Munson, Michael Chen, Audrey Bogosian, Jason Kreisberg, Katherine Licon, Abagyan Ruben e Brent Kuenzi, todos da UC San Diego.
Este estudo foi financiado, em parte, pelo Instituto Nacional de Saúde (Concede CA274502, GM103504, ES014811, CA243885, CA212456).