Pesquisadores da Universidade de Cambridge usaram técnicas de IA (inteligência artificial) para acelerar em dez vezes o desenvolvimento de tratamentos para a doença de Parkinson. Os resultados do estudo foram publicados na revista científica Nature Chemical Biology, nesta quarta-feira (17).
Na pesquisa, os cientistas desenvolveram e utilizaram uma estratégia baseada em IA para identificar compostos que bloqueiam a aglomeração de alfa-sinucleína, uma proteína que, quando agregada no cérebro, caracteriza a doença de Parkinson. A técnica utilizada foi o aprendizado de máquina, que examinou rapidamente uma biblioteca química e identificou cinco compostos potentes para um estudo adicional.
Atualmente, ainda não existem tratamentos para o Parkinson, que atinge mais de seis milhões de pessoas em todo o mundo. O processo de triagem de grandes bibliotecas químicas em busca de compostos que podem servir como medicamentos é demorado, caro e, muitas vezes, malsucedido.
Por isso, os pesquisadores de Cambridge decidiram usar IA para acelerar esse processo de rastreio e conseguiram otimizá-lo em 10 vezes, reduzindo o custo em mil vezes. Isso possibilita que potenciais tratamentos para a doença de Parkinson cheguem aos pacientes de forma muito mais rápida.
Parkinson é uma doença neurológica que afeta, principalmente, os movimentos do paciente. O transtorno costuma ser caracterizado pela dificuldade de andar e falar, lentidão dos movimentos, perda de equilíbrio e fala arrastada, além de sintomas não motores, como alterações no sistema gastrointestinal, alterações no sono, no humor e na cognição.
No Parkinson, o acúmulo de certas proteínas pode causar a morte de células nervosas, como é o caso da aglomeração da alfa-sinucleína.
“Um caminho para a busca de tratamentos potenciais para o Parkinson requer a identificação de pequenas moléculas que possam inibir a agregação da alfa-sinucleína, que é uma proteína intimamente associada à doença”, explica Michele Vendruscolo, pesquisador do Departamento de Química Yusuf Hamied e líder da pesquisa, em comunicado à imprensa. “Mas este é um processo extremamente demorado – apenas identificar um candidato principal para testes adicionais pode levar meses ou até anos.”
Apesar de já existirem medicamentos em fase de ensaios clínicos para o Parkinson, nenhum remédio ainda foi aprovado, o que reflete a dificuldade de atingir diretamente as moléculas que causam a doença.
No atual estudo, os pesquisadores desenvolveram um método de aprendizado de máquina para examinar bibliotecas químicas que contêm milhões de compostos e identificar pequenas moléculas que se ligam às proteínas agregadas e bloqueiam a sua proliferação no cérebro.
Diante disso, um pequeno número de compostos foi testado experimentalmente para selecionar os inibidores de agregação de proteínas mais potentes. As informações obtidas com esses ensaios experimentais foram realimentadas com a IA de maneira interativa, de forma que, após algumas interações, foram identificados compostos altamente potentes.
“Em vez de fazer a triagem experimental, fazemos a triagem computacional”, afirma Vendruscolo, que é codiretor do Center for Misfolding Diseases. “Ao usar o conhecimento que adquirimos na triagem inicial com nosso modelo de aprendizado de máquina, fomos capazes de treinar o modelo para identificar as regiões específicas nessas pequenas moléculas responsáveis pela ligação, e então podemos fazer uma nova triagem e encontrar moléculas mais potentes.”
Com esse método, os pesquisadores desenvolveram compostos para atingir bolsões nas superfícies das proteínas agregadas, que são responsáveis pela sua disseminação no cérebro. Segundo a pesquisa, esses compostos são centenas de vezes mais potentes e mais baratos de serem desenvolvidos do que compostos desenvolvidos anteriormente.
“A aprendizagem automática está tendo um impacto real no processo de descoberta de medicamentos – está acelerando todo o processo de identificação dos candidatos [os compostos com potencial para o tratamento de Parkinson] mais promissores”, disse Vendruscolo.
“Para nós, isso significa que podemos começar a trabalhar em vários programas de descoberta de medicamentos – em vez de apenas um. Tanta coisa é possível devido à enorme redução de tempo e custo – é um momento emocionante”, finaliza.
