A descoberta tradicional de novos medicamentos, um processo notoriamente lento e dispendioso, pode estar prestes a acelerar-se de forma dramática. Uma equipa de investigação chinesa demonstrou como os algoritmos de inteligência artificial podem vasculhar virtualmente bibliotecas químicas e apontar, com impressionante precisão, candidatos a fármacos contra o cancro. O trabalho, publicado na revista Acta Pharmaceutica Sinica B, não só validou duas moléculas promissoras em laboratório, como desenvolveu uma versão otimizada capaz de ativar a sua ação de forma controlada diretamente no tumor.

O cerne da investigação foi um modelo computacional em cascata. Primeiro, uma rede neural classificadora filtrou milhões de estruturas químicas, aprendendo a reconhecer os traços moleculares associados a atividade antitumoral. Depois, um modelo generativo propôs novas variações químicas dentro da classe promissora dos tetrahidrocarbazóis. Desse processo in silico emergiram dois candidatos principais: as moléculas WJ0976 e WJ0909.

Os testes seguintes, na bancada do laboratório, confirmaram as previsões da máquina. Ambos os compostos exibiram uma atividade citotóxica de largo espetro contra várias linhas celulares de cancro, algo que sempre foi um santo graal na oncologia. Mais notável foi a sua eficácia contra estirpes tumorais que desenvolveram resistência a múltiplos fármacos, um dos maiores obstáculos nos tratamentos atuais. A versão otimizada, batizada WJ0909B, destacou-se pela potência na faixa nanomolar e subnanomolar.

Os investigadores não se ficaram pelas células em cultura. Recorreram a organoides derivados de doentes, miniaturas tridimensionais de tumores que mimetizam a complexidade do cancro humano muito melhor do que as linhas celulares convencionais. A WJ0909B também suprimiu de forma robusta o crescimento destes organoides, reforçando o seu potencial translacional. Os mecanismos de ação começaram então a ser desvendados: a molécula parece atuar através da regulação positiva da proteína supressora de tumores p53, desencadeando um processo de apoptose — uma morte celular programada — que tem origem nas mitocôndrias.

Mas a equipa deu um passo adicional, engenhoso, rumo a uma terapia mais segura e dirigida. Transformaram a WJ0909B num pró-fármaco inativo, o WJ0909B-TCO. A magia acontece com uma reação de click chemistry: este precursor só liberta a sua forma ativa quando encontra um agente específico, que pode ser injetado localmente no tumor ou ligado a um anticorpo que o leve até às células cancerígenas. Em modelos animais, esta estratégia mostrou uma inibição tumoral potente, mas com um perfil de toxicidade reduzido para o organismo, ao limitar a ação do fármaco ao alvo desejado.

O estudo, liderado por Xue Liu, Wei Song e Xiaojian Wang, ilustra uma mudança de paradigma. A fusão entre a capacidade preditiva do deep learning e a validação rigorosa da biologia clássica pode encurtar significativamente os anos iniciais da descoberta de fármacos. Para além da nova classe de tetrahidrocarbazóis, a investigação valida a estratégia dos pró-fármacos ativados por click chemistry como uma via promissora para aumentar a precisão e diminuir os efeitos secundários da quimioterapia. O caminho até à clínica é longo, mas a inteligência artificial parece ter encontrado um novo atalho.

Referência bibliográfica:
Liu, X., Lu, Y., Chen, Q., Yang, M., Li, S., Sun, H., Liu, X., Yan, J., Li, L., Xiang, N., Lu, Y., Geng, Q., Deng, Y., Wang, B., Jin, J., Zhao, H., Pan, X., Al-Harrasi, A., Du, T., Song, W., & Wang, X. (2026). Deep learning-based discovery of tetrahydrocarbazoles as broad-spectrum antitumor agents and click-activated strategy for targeted cancer therapy. Acta Pharmaceutica Sinica B, 16(1), 406–422. https://doi.org/10.1016/j.apsb.2025.10.005

NR/HN/AlphaGalileo