A saúde de hoje precisa do conhecimento do amanhã. Médicos, pesquisadores, instituições e laboratórios têm em suas mãos a oportunidade de impulsionar a inovação na área da saúde com soluções de inteligência artificial, tecnologias de nuvem híbrida, automação e, em breve, computação quântica.
Por exemplo, a resistência aos antibióticos é uma grande ameaça à saúde humana, ainda mais durante a atual pandemia. Esse desafio - que apenas nos Estados Unidos afeta mais de três milhões de pessoas que são infectadas por bactérias ou fungos resistentes a antibióticos a cada ano - é também uma preocupação na América Latina. A Organização Mundial da Saúde, por sua vez, está trabalhando em uma iniciativa global, que inclui países da América Latina, para coordenar uma resposta a este grande problema. [1]
No entanto, poucos antibióticos novos estão sendo desenvolvidos para substituir aqueles que não são mais eficazes. Isso ocorre porque o design de drogas é um processo extremamente difícil e demorado: há mais combinações químicas possíveis de uma nova molécula do que átomos no Universo.
Pavimentando o caminho para a era das descobertas aceleradas, a equipe de pesquisa de IBM Research desenvolveu um sistema de inteligência artificial que pode ajudar a acelerar o design de moléculas para novos antibióticos. E isso funciona: no artigo " Descobertas antimicrobianas aceleradas através de modelos geradores profundos e simulações de dinámica molecular", publicado no Nature Biomedical Engineering, a equipe descreve como esse modelo foi usado para criar dois novos peptídeos antimicrobianos não tóxicos (non-toxic antimicrobial peptides - AMPs) com forte potência de amplo espectro. Peptídeos são pequenas moléculas - que consistem em cadeias curtas de aminoácidos, que são os componentes básicos das proteínas. A abordagem da equipe excedeu outros métodos líderes de design de AMP em quase 10%.
Além de antibióticos, esta IA generativa teria o potencial de acelerar o processo de design de moléculas possivelmente melhores para novas drogas e materiais - permitindo aos cientistas usarem a IA para descobrir e projetar melhores candidatos a drogas e terapias mais eficazes para doenças, materiais para absorver e capturar carbono para ajudar na luta contra as mudanças climáticas, materiais para a produção e armazenamento de energia mais inteligente, e muito mais. Para enfrentar esses desafios, precisamos acelerar em escala a taxa de descoberta de novas moléculas funcionais.
A equipe de pesquisa da IBM usou um modelo generativo de IA denominado auto codificador generativo profundo para aprender sobre a vasta gama de moléculas peptídicas conhecidas. O modelo capturou informações significativas, permitindo a exploração além dos modelos antimicrobianos conhecidos. Os pesquisadores então aplicaram o Controlled Latent attribute Space Sampling (CLaSS), um método computacional desenvolvido recentemente para gerar novas moléculas de peptídeo com propriedades personalizadas. Em seguida, graças aos classificadores de aprendizagem profunda, examinaram as moléculas antimicrobianas geradas por IA e candidatas a serem peptídeos antimicrobianos em busca de atributos chave adicionais, como toxicidade e atividade de espectro amplo ou a presença de novas características físico-químicas indicativas de união estável e das ligações peptídicas.
Em 48 dias, a abordagem alimentada por IA de design de moléculas para acelerar a descoberta permitiu à equipe identificar, sintetizar e testar de forma experimental 20 novos candidatos a peptídeos antimicrobianos gerados por IA. Dois deles foram considerados muito potentes contra vários patógenos Gram-positivos e Gram-negativos (incluindo K. pneumoniae multirresistente) com baixas probabilidades de desenvolverem resistência aos medicamentos em E. Coli.
A abordagem proposta pode potencialmente levar a descobertas mais rápidas e eficientes de antimicrobianos potentes e seletivos de amplo espectro, para manter afastadas as bactérias resistentes a antibióticos de uma vez por todas. E espera-se que a IA da IBM possa ser usada para ajudar a enfrentar os desafios de pesquisas mais complexos do mundo, como o desenvolvimento de novas terapias, foto resistores sustentáveis, novos catalizadores para captura de carbono mais eficiente e muito mais.
*Para mais informações, acesse o texto original aqui (em inglês).
