A IA acelera a descoberta de compostos crioprotectores para o transporte e armazenamento de medicamentos

17 de setembro de 2024

  • Os investigadores criaram um modelo de IA capaz de gerar compostos criopreservantes
  • Os compostos criopreservantes ajudam a transportar materiais sensíveis ao calor, como o sangue
  • Um composto gerado melhorou a preservação dos glóbulos vermelhos em testes laboratoriais
Investigação Ai

Os cientistas desenvolveram um novo sistema de aprendizagem automática que poderá ajudar a preservar vacinas, sangue e outros tratamentos médicos. 

O investigaçãoO estudo, publicado na revista Nature Communications, foi conduzido pela Universidade de Warwick e pela Universidade de Manchester.

O sistema de IA ajuda a identificar moléculas chamadas crioprotectores - compostos que evitam danos quando se congelam materiais biológicos. 

Os crioprotectores são substâncias especiais que ajudam a proteger as células e os tecidos vivos de danos quando são congelados.

Funcionam impedindo a formação de cristais de gelo nocivos, que essencialmente partem o tecido quando o congelamos, e também ajudam as células a manter a sua estrutura num frio extremo.

Estes compostos são de importância fundamental para a preservação de coisas como vacinas, amostras de sangue e células reprodutivas para armazenamento ou transporte a longo prazo.

Os criopreservantes poderão um dia ser utilizados para preservar órgãos, tecidos complexos ou mesmo seres humanos inteiros.

Atualmente, encontrar novos crioprotectores é um processo lento, de tentativa e erro. Esta nova abordagem baseada em ML permite aos investigadores analisar rapidamente centenas de potenciais moléculas virtualmente.

Eis alguns pontos-chave do estudo:

  1. A equipa criou um modelo de aprendizagem automática treinado com base nos dados dos crioprotectores existentes.
  2. Este modelo pode prever a eficácia de novas moléculas como crioprotectores.
  3. Os investigadores utilizaram o modelo para analisar uma biblioteca de cerca de 500 aminoácidos.
  4. O sistema identificou vários compostos promissores, incluindo um éster de aminooxazol que superou o desempenho de muitos crioprotectores conhecidos.
  5. Os testes laboratoriais confirmaram as previsões da IA, com o novo composto a mostrar uma forte prevenção dos cristais de gelo.
  6. A molécula descoberta melhorou a preservação dos glóbulos vermelhos quando combinada com técnicas padrão.

O éster de amino oxazol identificado pelo estudo demonstrou qualidades particularmente notáveis de inibição da recristalização do gelo (IRI). Impediu quase completamente que os cristais de gelo aumentassem de tamanho durante o processo de congelação.

O composto foi eficaz mesmo quando os investigadores reduziram a sua concentração. Além disso, também manteve as suas propriedades inibidoras do gelo em solução salina tamponada com fosfato (PBS), uma solução que imita a concentração de sal no corpo humano.

O Dr. Matt Warren, o estudante de doutoramento que liderou o projeto, descreveu a forma como o modelo acelera a eficiência: "Após anos de recolha intensiva de dados no laboratório, é incrivelmente empolgante dispor agora de um modelo de aprendizagem automática que permite uma abordagem baseada em dados para prever a atividade crioprotectora."

O Professor Matthew Gibson, de Manchester, acrescenta: "Os resultados do modelo informático foram espantosos, identificando moléculas activas que eu nunca teria escolhido, mesmo com os meus anos de experiência".

O Professor Gabriele Sosso, que dirigiu a equipa de Warwick, explicado numa publicação no blogue que, apesar de impressionante, a aprendizagem automática não é uma panaceia para este tipo de problemas de investigação: "É importante compreender que a aprendizagem automática não é uma solução mágica para todos os problemas científicos. Neste trabalho, utilizámo-la como uma ferramenta entre muitas".

Os investigadores combinaram as previsões da IA com simulações moleculares e experiências laboratoriais - uma abordagem multifacetada que ajudou a validar os resultados e a aperfeiçoar o modelo.

Isto contribui para uma série de estudos orientados para a IA sobre a descoberta de medicamentos e a conceção de materiais. Os investigadores criaram modelos de IA para gerar compostos medicinais, um dos quais foi levado a ensaio clínico.

A DeepMind também criou um modelo denominado GNoME capaz de gerar e sintetizar materiais automaticamente.

Os novos compostos crioprotectores descobertos poderão ter amplos impactos no mundo real.

Por exemplo, os investigadores descrevem como a melhoria da criopreservação pode prolongar o prazo de validade das vacinas e facilitar o transporte de tratamentos médicos sensíveis para zonas remotas. 

A técnica poderia também acelerar as transfusões de sangue, reduzindo o tempo necessário para processar o sangue congelado.

Embora os resultados sejam promissores, a equipa adverte que é necessário mais trabalho para compreender totalmente o funcionamento destes novos compostos e para garantir a segurança e estabilidade médicas. 

Junte-se ao futuro


SUBSCREVER HOJE

Claro, conciso e abrangente. Fique a par dos desenvolvimentos da IA com DailyAI

Calças de ganga Sam

Sam é um escritor de ciência e tecnologia que trabalhou em várias startups de IA. Quando não está a escrever, pode ser encontrado a ler revistas médicas ou a vasculhar caixas de discos de vinil.

×

PDF GRATUITO EXCLUSIVO
Fique à frente com o DailyAI

Subscreva a nossa newsletter semanal e receba acesso exclusivo ao último livro eletrónico do DailyAI: 'Mastering AI Tools: Seu guia 2024 para aumentar a produtividade'.

*Ao subscrever a nossa newsletter, aceita a nossa Política de privacidade e o nosso Termos e condições