Traduzido a partir de um depoimento da pesquisadora Vanessa Smer-Barreto, do Institute of Genetics and Molecular Medicine, The University of Edinburgh
A descoberta de novos medicamentos – chamada “descoberta de medicamentos” – é uma tarefa cara e demorada. No entanto, um tipo de inteligência artificial chamada aprendizado de máquina pode acelerar massivamente o processo e realizar o trabalho por uma fração do preço.
Recentemente, eu e meus colegas utilizamos essa tecnologia para encontrar três candidatos promissores de medicamentos senolíticos – medicamentos que retardam o envelhecimento e previnem doenças relacionadas à idade.
Os senolíticos funcionam matando as células senescentes. Essas são células que estão “vivas” (metabolicamente ativas), mas que não conseguem mais se replicar, daí seu apelido: células zumbis.
A incapacidade de se replicar não é necessariamente algo ruim. Essas células sofreram danos em seu DNA – por exemplo, células da pele danificadas pelos raios do sol – então interromper a replicação impede que o dano se espalhe.
No entanto, as células senescentes nem sempre são benéficas. Elas secretam uma combinação de proteínas inflamatórias que podem se espalhar para células vizinhas. Ao longo da vida, nossas células sofrem uma série de agressões, desde raios ultravioleta até exposição a produtos químicos, e essas células se acumulam.
Um número elevado de células senescentes está associado a uma série de doenças, incluindo diabetes tipo 2, COVID, fibrose pulmonar, osteoartrite e câncer.
Estudos em camundongos de laboratório mostraram que a eliminação de células senescentes, usando senolíticos, pode melhorar essas doenças. Esses medicamentos podem matar as células zumbis enquanto mantêm as células saudáveis vivas.
Atualmente, são conhecidos cerca de 80 senolíticos, mas apenas dois foram testados em seres humanos: uma combinação de dasatinibe e quercetina. Seria ótimo encontrar mais senolíticos que possam ser usados em uma variedade de doenças, mas leva de dez a 20 anos e bilhões de dólares para um medicamento chegar ao mercado.
Resultados em cinco minutos Eu e meus colegas – incluindo pesquisadores da Universidade de Edimburgo e do Conselho Nacional de Pesquisa da Espanha IBBTEC-CSIC em Santander, Espanha – queríamos saber se poderíamos treinar modelos de aprendizado de máquina para identificar novos candidatos a medicamentos senolíticos.
Para fazer isso, alimentamos os modelos de IA com exemplos de senolíticos conhecidos e não senolíticos. Os modelos aprenderam a distinguir entre os dois e foram usados para prever se moléculas que nunca haviam visto antes também poderiam ser senolíticas.
Ao resolver um problema de aprendizado de máquina, geralmente testamos os dados em diferentes modelos, pois alguns tendem a ter um desempenho melhor que outros.
Para determinar o modelo de melhor desempenho, no início do processo, separamos uma pequena parte dos dados de treinamento disponíveis e os mantivemos ocultos do modelo até o término do processo de treinamento.
Em seguida, usamos esses dados de teste para quantificar quantos erros o modelo está cometendo. Aquele que comete menos erros, vence.
Determinamos nosso melhor modelo e o configuramos para fazer previsões. Fornecemos a ele 4.340 moléculas e, cinco minutos depois, ele forneceu uma lista de resultados.
O modelo de IA identificou 21 moléculas com pontuação alta que ele considerou ter uma alta probabilidade de serem senolíticas. Se tivéssemos testado as 4.340 moléculas originais no laboratório, levaria pelo menos algumas semanas de trabalho intensivo e £50.000 apenas para comprar os compostos, sem contar o custo da infraestrutura e dos equipamentos experimentais.
Em seguida, testamos esses candidatos a medicamentos em dois tipos de células: saudáveis e senescentes. Os resultados mostraram que, das 21 substâncias, três (periplocina, oleandrina e ginkgetina) foram capazes de eliminar as células senescentes, mantendo a maioria das células normais vivas. Esses novos senolíticos foram posteriormente submetidos a mais testes para entender melhor como eles funcionam no organismo.
Experimentos biológicos mais detalhados mostraram que, entre os três medicamentos, a oleandrina foi mais eficaz que o melhor senolítico conhecido do mesmo tipo.
As possíveis repercussões dessa abordagem interdisciplinar – envolvendo cientistas de dados, químicos e biólogos – são enormes. Com dados de alta qualidade suficientes, modelos de IA podem acelerar o incrível trabalho que químicos e biólogos fazem para encontrar tratamentos e curas para doenças, especialmente aquelas com necessidades não atendidas.
Após validar sua eficácia em células senescentes, estamos testando os três candidatos a senolíticos em tecido pulmonar humano. Esperamos apresentar nossos próximos resultados daqui a dois anos. [ScienceAlert]