As plataformas generativas de inteligência artificial (IA), do ChatGPT ao Midjourney, ganharam destaque em 2023. Mas, sabe-se que elas podem são capazes de fazer mais do que criar imagens agrupadas e ajudar a escrever e-mails, podendo, também, conceber novos medicamentos para tratar doenças.
Inspirados pela popularidade do ChatGPT e imaginando se essa abordagem poderia acelerar o processo de design de medicamentos, pesquisadores da Universidade Chapman, nos Estados Unidos, decidiram criar seu próprio modelo genAI, cujo artigo foi publicado na revista Pharmaceuticals.
Os cientistas Dony Ang, Cyril Rakovski e Hagop Atamian codificaram um modelo para aprender um enorme conjunto de dados de produtos químicos conhecidos, como eles se ligam às proteínas alvo e as regras e sintaxe da estrutura e propriedades químicas em grande escala.
Plataforma de inteligência artificial drugAI
A plataforma, chamada de “drugAI”, permite que os usuários insiram uma sequência de proteína alvo (por exemplo, uma proteína normalmente envolvida na progressão do câncer) com o objetivo de identificar candidatos a medicamentos viáveis para uma vasta gama de doenças, por uma fração do custo.
Ela pode gerar estruturas moleculares únicas a partir do zero e, em seguida, refinar iterativamente os candidatos, garantindo que os finalistas exibam fortes afinidades de ligação aos respectivos alvos de medicamentos. O modelo identifica entre 50 a 100 novas moléculas com probabilidade de inibir estas proteínas específicas.
“Esta abordagem nos permite gerar um medicamento potencial que nunca foi concebido”, afirma Atamian. “Foi testado e validado. Agora, estamos vendo resultados magníficos.”
Os pesquisadores avaliaram as moléculas que o drugAI gerou de acordo com vários critérios e descobriram que os resultados eram de qualidade semelhante aos de dois outros métodos comuns e, em alguns casos, melhores.
Os medicamentos candidatos da DrugAI também foram medidos quanto à semelhança do medicamento, ou a semelhança das propriedades de um composto com as dos medicamentos orais. Os medicamentos candidatos foram pelo menos 42% e 75% superiores aos de outros modelos. Além disso, todas as moléculas geradas por drugAI exibiram fortes afinidades de ligação aos respectivos alvos, comparáveis àquelas identificadas por meio de abordagens tradicionais de triagem virtual.
Resultados para a Covid-19
Ang, Rakovski e Atamian também queriam ver como os resultados do drugAI para uma doença específica se comparavam aos medicamentos conhecidos existentes para essa doença. Numa experiência diferente, os métodos de rastreio geraram uma lista de produtos naturais que inibiam as proteínas da Covid-19.
A drugAI gerou uma lista de novos medicamentos direcionados à mesma proteína para comparar suas características. Eles compararam a semelhança do medicamento e a afinidade de ligação entre as moléculas naturais e os drugAIs e encontraram medições semelhantes em ambas. Porém, o drugAI foi capaz de identificá-los de uma forma muito mais rápida e menos dispendiosa.
Além disso, os cientistas projetaram o algoritmo para ter uma estrutura flexível que permita que futuros pesquisadores adicionem novas funções. “Isso significa que será possível contar com candidatos a medicamentos mais refinados, com uma probabilidade ainda maior de ter um medicamento real”, finaliza Atamian.
