Um modelo de inteligência artificial baseado em dados de expressão gênica humana pode representar um atalho estratégico na busca por novos medicamentos. O avanço, publicado na revista Science, foi desenvolvido por pesquisadores do Massachusetts Institute of Technology (MIT), da empresa de biotecnologia Cellarity e outras instituições. As informações são da revista Nature.
Ao longo das últimas décadas, a busca por compostos terapêuticos tem sido marcada por métodos exaustivos, nos quais milhares de substâncias são testadas individualmente em células cultivadas. Embora eficazes, esses processos são onerosos e demorados. O novo modelo, chamado DrugReflector, propõe uma abordagem mais eficiente ao ser treinado com dados públicos sobre os efeitos de quase 9.600 compostos químicos em mais de 50 tipos de células.
window._taboola = window._taboola || [];
_taboola.push({
mode: ‘organic-thumbs-feed-01-stream’,
container: ‘taboola-mid-article-saiba-mais’,
placement: ‘Mid Article Saiba Mais’,
target_type: ‘mix’
});
Como funciona o DrugReflector
O modelo utiliza aprendizado profundo (deep learning) para prever como diferentes substâncias impactam redes de genes em células humanas. Essa estratégia permite ir além da simples observação de efeitos isolados, considerando o comportamento de sistemas celulares inteiros.
Na prática, a equipe testou 107 compostos selecionados pelo DrugReflector com base na sua capacidade de influenciar a produção de plaquetas e glóbulos vermelhos, processos relevantes para tratar distúrbios sanguíneos. O resultado: o modelo foi até 17 vezes mais eficaz do que os métodos convencionais de triagem aleatória.
A taxa de sucesso aumentou ainda mais após a reintegração dos dados obtidos nos primeiros testes ao modelo, destacando seu potencial de aprendizagem contínua.
Eficiência e economia de recursos
Segundo a cientista de dados Bissan Al-Lazikani, do MD Anderson Cancer Center (EUA), a técnica pode reduzir drasticamente a carga de trabalho dos laboratórios. “Você poderia testar algumas centenas de compostos em vez de um milhão”, afirmou à Nature.
Além da economia de tempo e recursos, o uso de IA nessa fase inicial da pesquisa farmacêutica pode acelerar o desenvolvimento de terapias para doenças complexas, como câncer e distúrbios metabólicos.
Atualmente, o DrugReflector só consegue avaliar compostos já incluídos em sua base de treinamento. Para Hongkui Deng, biólogo celular da Universidade de Pequim, o desafio futuro será permitir que o modelo identifique também substâncias verdadeiramente inéditas, capacidade essencial para ampliar as possibilidades terapêuticas.
Apesar dessa limitação, Deng considera a abordagem promissora: “É um sistema de triagem inteligente que aprende com seus próprios experimentos”, disse à Nature.
–borderColorFollowMe: #4a4a4a;
–textColorFollowMe: #005880;
}
