Inovações em IA para descoberta de medicamentos

Rachel Muenz, editora sênior de conteúdo digital do Lab Manager, pode ser contatada em [email protected].

A descoberta é o estágio mais crucial do desenvolvimento de medicamentos porque tem o potencial de economizar bilhões de dólares para as empresas farmacêuticas em tempo e dinheiro desperdiçados em candidatos a medicamentos que provavelmente não terão sucesso. A inteligência artificial (IA) é uma capacidade essencial que se torna mais prevalente na resolução de desafios nesta fase, permitindo que os cientistas identifiquem potenciais alvos de drogas mais rapidamente, triem mais compostos em menos tempo para a atividade contra esses alvos e encontrem pistas que tenham a melhor chance de progredir para se tornarem tratamentos aprovados.

Embora focado principalmente em acelerar a descoberta de medicamentos, as pesquisas mais recentes envolvendo IA na descoberta de medicamentos nos ajudam a entender melhor como as doenças se desenvolvem e progridem, bem como os efeitos dos medicamentos nos seres humanos. Quanto mais IA é usada, mais ela melhora, de modo que melhores previsões são feitas na identificação de novos medicamentos em potencial.

A etapa de identificação do alvo da descoberta de medicamentos é onde os pesquisadores identificam exatamente o que leva uma determinada condição ou doença a progredir. A modelagem por computador fornece um grande passo para encontrar alvos apropriados para drogas e tornar essa identificação mais rápida.

Um exemplo de pesquisa recente envolvendo essa modelagem de computador vem da Escola de Medicina da Universidade da Califórnia em San Diego. Os pesquisadores modelaram a fosfolipase A2 associada à lipoproteína (Lp-PLA2), uma enzima importante para a saúde cardiovascular, para aprender mais sobre como a Lp-PLA2 interage com a membrana fosfolipídica, algo que atualmente não é bem conhecido, de acordo com um comunicado de imprensa sobre a pesquisa . Compreender essa interação pode levar a um melhor conhecimento de como a doença cardiovascular se desenvolve e levar a novos tratamentos mais eficazes para a doença. A pesquisa foi publicada no início de janeiro de 2022 na PNAS.

"Estou muito satisfeito por termos conseguido aprofundar muito mais como essa enzima funciona do que nunca", disse Edward A. Dennis, PhD, autor sênior do estudo, no comunicado à imprensa. "Usando os últimos avanços em lipidômica e simulações computacionais de dinâmica molecular, obtivemos uma imagem que vale mais que mil palavras. Agora temos filmes que mostram como essa enzima funciona no nível atômico e isso deve nos ajudar a descobrir maneiras de ativar ou inativar a enzima conforme necessário para a saúde."

Em outro trabalho relacionado à identificação de alvos, pesquisadores da Queen's University Belfast desenvolveram recentemente uma ferramenta de modelagem de computador que prevê melhor novos locais de ligação mais seletivos para possíveis drogas, levando a um melhor direcionamento de drogas e drogas mais eficazes. Em particular, sua ferramenta envolve uma nova classe de compostos conhecidos como drogas alostéricas em receptores acoplados à proteína G (GPCRs).

De acordo com um comunicado de imprensa sobre a pesquisa, os GPCRs são o maior grupo de proteínas de membrana que converte sinais dentro das células de uma variedade de moléculas endógenas, como neurotransmissores e hormônios. Devido ao seu amplo efeito na fisiologia humana, eles são um alvo-chave de muitas drogas. No entanto, descobrir medicamentos GPCR é difícil porque eles tendem a se ligar a mais de uma proteína-alvo, levando a efeitos colaterais indesejados. Outras pesquisas destacam os locais alostéricos como locais de ligação alternativos para drogas, mas são difíceis de identificar. Na pesquisa da Queen's University Belfast, publicada em setembro de 2021 na ACS Central Science, os cientistas usaram certas sondas de ligantes alostéricos de receptores acoplados à proteína G para identificar com mais facilidade e precisão esses locais alostéricos do que os métodos atuais.

"Nosso pipeline pode identificar locais alostéricos em um curto espaço de tempo, o que o torna adequado para ambientes industriais", disse a autora sênior Dra. Irina Tikhonova em um comunicado à imprensa sobre o estudo. "Como tal, nosso pipeline é uma solução viável para iniciar a pesquisa baseada em estrutura de medicamentos alostéricos para quaisquer alvos de medicamentos ligados à membrana que tenham impacto no câncer, inflamação e doenças do SNC [sistema nervoso central]".