Encontrar novas drogas – chamado de “descoberta de drogas” – é uma tarefa cara e demorada. Mas um tipo de inteligência artificial chamado aprendizado de máquina pode acelerar massivamente o processo e fazer o trabalho por uma fração do preço.
Meus colegas e eu recentemente usamos essa tecnologia para encontrar três candidatos promissores para drogas senolíticas – drogas que retardam o envelhecimento e previnem doenças relacionadas à idade.
Os senolíticos funcionam matando células senescentes. São células que estão “vivas” (metabolicamente ativas), mas que não podem mais se replicar, daí seu apelido: células zumbis.
A incapacidade de replicar não é necessariamente uma coisa ruim. Essas células sofreram danos em seu DNA – por exemplo, células da pele danificadas pelos raios solares – portanto, interromper a replicação impede que o dano se espalhe.
Mas as células senescentes nem sempre são boas. Eles secretam um coquetel de proteínas inflamatórias que podem se espalhar para as células vizinhas. Ao longo da vida, nossas células sofrem uma enxurrada de ataques, desde os raios ultravioleta até a exposição a produtos químicos, e assim essas células se acumulam. Números elevados de células senescentes têm sido implicados em um gama de doenças, incluindo diabetes tipo 2, COVID, fibrose pulmonar, osteoartrite e câncer.
Estudos em ratos de laboratório mostraram que a eliminação de células senescentes, usando senolítico, pode melhorar essas doenças. Essas drogas podem matar as células zumbis enquanto mantêm vivas as células saudáveis.
AROUND 80 senolíticos são conhecidos, mas apenas dois foram testados em humanos: uma combinação de dasatinibe e quercetina. Seria ótimo encontrar mais senolíticos que pudessem ser usados em várias doenças, mas isso leva de dez a 20 anos e bilhões de dólares para que um medicamento chegue ao mercado.
Resultados em cinco minutos
Meus colegas e eu – incluindo pesquisadores da Universidade de Edimburgo e do Conselho Nacional de Pesquisa da Espanha IBBTEC-CSIC em Santander, Espanha – queríamos saber se poderíamos treinar modelos de aprendizado de máquina para identificar novos candidatos a medicamentos senolíticos.
Para fazer isso, alimentamos modelos de IA com exemplos de senolíticos e não senolíticos. Os modelos aprenderam a distinguir entre os dois e poderiam ser usados para prever se moléculas que nunca haviam visto antes também poderiam ser senolíticas.
Ao resolver um problema de aprendizado de máquina, geralmente testamos os dados em vários modelos diferentes primeiro, pois alguns deles tendem a ter um desempenho melhor do que outros. Para determinar o modelo de melhor desempenho, no início do processo, separamos uma pequena seção dos dados de treinamento disponíveis e os mantemos ocultos do modelo até que o processo de treinamento seja concluído. Em seguida, usamos esses dados de teste para quantificar quantos erros o modelo está cometendo. Aquele que cometer menos erros, vence.
Determinamos nosso melhor modelo e o configuramos para fazer previsões. Demos a ele 4,340 moléculas e cinco minutos depois ele entregou uma lista de resultados.
O modelo de IA identificou 21 moléculas com pontuação máxima que considerou ter alta probabilidade de serem senolíticas. Se tivéssemos testado as 4,340 moléculas originais no laboratório, seriam necessárias pelo menos algumas semanas de trabalho intensivo e £ 50,000 apenas para comprar os compostos, sem contar o custo do maquinário experimental e da configuração.
Em seguida, testamos esses candidatos a medicamentos em dois tipos de células: saudáveis e senescentes. Os resultados mostraram que dos 21 compostos, três (periplocina, oleandrina e gingetina) foram capazes de eliminar as células senescentes, mantendo viva a maioria das células normais. Esses novos senolíticos foram então submetidos a mais testes para aprender mais sobre como eles funcionam no corpo.
Experimentos biológicos mais detalhados mostraram que, dos três medicamentos, o oleandrin foi mais eficaz do que o medicamento senolítico conhecido de melhor desempenho de seu tipo.
As possíveis repercussões dessa abordagem interdisciplinar – envolvendo cientistas de dados, químicos e biólogos – são enormes. Com dados suficientes de alta qualidade, os modelos de IA podem acelerar o incrível trabalho que químicos e biólogos fazem para encontrar tratamentos e curas para doenças – especialmente aquelas de necessidades não atendidas.
Depois de validá-los em células senescentes, estamos agora testando os três candidatos a senolíticos em tecido pulmonar humano. Esperamos relatar nossos próximos resultados dentro de dois anos.
Sobre o autor
Vanessa Smer-Barreto, Pesquisador, Instituto de Genética e Medicina Molecular, A, universidade, de, edimburgo
Este artigo foi republicado a partir de A Conversação sob uma licença Creative Commons. Leia o artigo original.
Livros relacionados:
O corpo marca o placar: cérebro, mente e corpo na cura do trauma
de Bessel van der Kolk
Este livro explora as conexões entre trauma e saúde física e mental, oferecendo insights e estratégias para cura e recuperação.
Clique para mais informações ou para encomendar
Breath: a nova ciência de uma arte perdida
por James Nestor
Este livro explora a ciência e a prática da respiração, oferecendo insights e técnicas para melhorar a saúde física e mental.
Clique para mais informações ou para encomendar
O paradoxo das plantas: os perigos ocultos em alimentos "saudáveis" que causam doenças e ganho de peso
por Steven R. Gundry
Este livro explora os vínculos entre dieta, saúde e doença, oferecendo insights e estratégias para melhorar a saúde e o bem-estar geral.
Clique para mais informações ou para encomendar
O Código de Imunidade: O Novo Paradigma para Saúde Real e Antienvelhecimento Radical
por Joel Greene
Este livro oferece uma nova perspectiva sobre saúde e imunidade, baseando-se nos princípios da epigenética e oferecendo insights e estratégias para otimizar a saúde e o envelhecimento.
Clique para mais informações ou para encomendar
O Guia Completo para o Jejum: Cure o Seu Corpo Através do Jejum Intermitente, em Dias Alternados e Prolongado
por Dr. Jason Fung e Jimmy Moore
Este livro explora a ciência e a prática do jejum, oferecendo insights e estratégias para melhorar a saúde e o bem-estar geral.
