Os investigadores da Universidade de Cambridge utilizaram a IA para acelerar drasticamente a procura de novas terapias para a doença de Parkinson.
Utilizando técnicas de aprendizagem automática, conseguiram analisar milhões de potenciais compostos de medicamentos e identificar os candidatos mais promissores dez vezes mais depressa e com uma relação custo-benefício 1000 vezes superior à dos métodos convencionais.
A doença de Parkinson é uma doença neurodegenerativa complexa e progressiva que afecta cerca de 6 milhões de pessoas em todo o mundo. Prevê-se que este número triplique até 2040.
Atualmente, nenhum tratamento pode retardar ou parar a progressão da doença de forma fiável.
O processo tradicional de seleção de vastas bibliotecas de produtos químicos para encontrar potenciais candidatos a medicamentos é extremamente lento, dispendioso e muitas vezes infrutífero.
"Uma via para procurar potenciais tratamentos para a doença de Parkinson requer a identificação de pequenas moléculas que possam inibir a agregação da alfa-sinucleína, que é uma proteína estreitamente associada à doença", afirmou a investigadora principal, a Professora Michele Vendruscolo disse à Universidade de Cambridge.
"Mas este é um processo extremamente moroso - a simples identificação de um candidato principal para testes adicionais pode levar meses ou mesmo anos".
Para enfrentar este desafio, Vendruscolo e a sua equipa desenvolveram uma abordagem de aprendizagem automática em 5 etapas. Os estudo foi publicado em Natureza Biologia Química.
- Comece com um pequeno conjunto de compostos, identificados através de simulações, que mostram potencial para bloquear a aglutinação da proteína alfa-sinucleína, que é a principal causa da doença de Parkinson. Depois, testar experimentalmente a sua eficácia.
- Utilize os resultados para treinar um modelo de aprendizagem automática para prever quais as estruturas e propriedades moleculares que tornam um composto eficaz na prevenção da agregação de proteínas.
- Implementar o modelo treinado para analisar rapidamente uma biblioteca virtual com milhões de compostos e prever os concorrentes mais potentes.
- Validar experimentalmente os principais candidatos seleccionados pela IA no laboratório. Introduzir estes resultados no modelo para aperfeiçoar ainda mais as suas capacidades de previsão.
- Repetir este ciclo de previsão computacional e testes experimentais, com o modelo de IA a tornar-se mais inteligente em cada ronda, concentrando-se nos compostos mais potentes.
Ao longo de várias iterações, a taxa de otimização - a percentagem de compostos testados que inibiram a aglutinação de alfa-sinucleína associada à doença de Parkinson - aumentou de 4% para mais de 20%.
Além disso, os compostos encontrados pela IA eram, em média, muito mais potentes do que qualquer outro anteriormente identificado. Alguns mostraram uma atividade promissora em doses oito vezes inferiores. Eram também mais diversificados do ponto de vista químico, tendo o modelo descoberto compostos eficazes que diferiam das estruturas conhecidas.
"A aprendizagem automática está a ter um impacto real na descoberta de medicamentos - está a acelerar todo o processo de identificação dos candidatos mais promissores", afirmou Vendruscolo.
"Utilizando os conhecimentos que adquirimos no rastreio inicial com o nosso modelo de aprendizagem automática, conseguimos treinar o modelo para identificar as regiões específicas destas pequenas moléculas responsáveis pela ligação, para podermos voltar a rastrear e encontrar moléculas mais potentes".
"Para nós, isto significa que podemos começar a trabalhar em vários programas de descoberta de medicamentos - em vez de apenas um. Muito é possível devido à enorme redução de tempo e custo - é um momento emocionante."
Os investigadores sublinham que isto é apenas o início do que as abordagens baseadas na IA poderão permitir na descoberta de medicamentos para a doença de Parkinson e outras doenças caracterizadas pelo desdobramento e agregação de proteínas.
Com um maior desenvolvimento e conjuntos de dados de treino mais alargados, a capacidade de previsão destes modelos só deverá melhorar.
Embora ainda exista um longo caminho a percorrer para transformar estes candidatos identificados pela IA em tratamentos aprovados, este estudo demonstra como a aprendizagem automática, inteligentemente combinada com a biologia experimental, pode acelerar consideravelmente as fases iniciais da descoberta de medicamentos.
Esta iniciativa baseia-se numa série de investigações que abordam o desafio de localizar tratamentos medicamentosos novos e inovadores, incluindo do MIT e da Tuftsque construiu recentemente um modelo capaz de analisar diariamente cerca de 100 milhões de compostos.
Vários modelos de descoberta de antibióticos produziram compostos experimentais, alguns dos quais são rumo aos ensaios clínicos.
Outro projeto de grande envergadura em colaboração com o Moorfields Eye Hospital, no Reino Unido, utilizou, no ano passado, exames oftalmológicos para identificar os primeiros sinais da doença de Parkinson - um método inovador possibilitado pela IA.
Com este novo estudo que tem como objetivo descobrir tratamentos eficazes para a doença de Parkinson, os métodos de IA revelam-se imensamente promissores na redefinição da medicina e dos cuidados de saúde.
