Legenda da imagem: Estruturas tridimensionais de duas proteínas-alvo, histona desacetilase 6 (azul) e tirosina-proteína quinase JAK2 (vermelho), juntamente com um inibidor seletivo de cada enzima. O inibidor duplo no centro é ativo contra ambos os alvos. A previsão de compostos com atividade dual predefinida é a tarefa do modelo de linguagem química. Figura: Sanjana Srinivasan & Jürgen Bajorath

Uma equipa de investigadores da Universidade de Bonn desenvolveu um processo de inteligência artificial revolucionário que promete transformar a descoberta de novos medicamentos. O sistema, semelhante ao ChatGPT mas especializado em moléculas, consegue prever ingredientes ativos com propriedades específicas, particularmente aqueles capazes de atuar em dois alvos terapêuticos em simultâneo.

O projeto, liderado pelo Professor Jürgen Bajorath, especialista em química computacional do Instituto Lamarr para Aprendizagem Automática e Inteligência Artificial, focou-se no desenvolvimento de um modelo de linguagem química que, em vez de produzir texto, gera fórmulas estruturais de compostos químicos com características específicas.

Esta inovação é particularmente relevante para a investigação farmacêutica devido à sua capacidade de identificar compostos com polifarmacologia, ou seja, substâncias que podem inibir simultaneamente duas enzimas diferentes. Segundo Bajorath, estes compostos são especialmente eficazes no tratamento de doenças como o cancro, pois influenciam vários processos intracelulares e vias de sinalização ao mesmo tempo.

O modelo foi treinado com mais de 70.000 pares de sequências SMILES, uma notação que representa moléculas orgânicas e a sua estrutura através de letras e símbolos. Cada par consistia numa molécula que atua num único alvo proteico e noutra que influencia dois alvos proteicos diferentes. Este processo permitiu ao sistema desenvolver um conhecimento implícito sobre as diferenças entre compostos normais e aqueles com duplo efeito.

Uma característica particularmente interessante do sistema, destaca Sanjana Srinivasan, membro da equipa de investigação, é a sua capacidade de sugerir moléculas que não só atuam contra uma proteína específica, mas também contra uma segunda proteína alvo.

Após uma fase inicial de treino, os investigadores realizaram um processo de aperfeiçoamento usando dezenas de pares de treino especiais, ensinando o algoritmo a identificar diferentes classes de proteínas que os compostos sugeridos deveriam ter como alvo. O sucesso desta abordagem foi confirmado quando o modelo conseguiu reproduzir exatamente as estruturas químicas de compostos já conhecidos por terem atividade dual.

O Professor Bajorath salienta que o verdadeiro potencial desta tecnologia não está necessariamente na descoberta imediata de compostos mais eficazes que os medicamentos existentes, mas sim na sua capacidade de sugerir estruturas químicas inovadoras que os químicos tradicionalmente não considerariam. Esta capacidade de “pensar fora da caixa” pode levar a novas hipóteses de design e abordagens na descoberta de medicamentos.

O estudo, publicado na revista Cell Reports Physical Science, representa um avanço significativo na aplicação da inteligência artificial à investigação farmacêutica, oferecendo uma nova ferramenta para acelerar e otimizar o processo de descoberta de medicamentos.

NR/HN/Alphagalileo