Nova estrutura pode oferecer aos químicos maiores opções de medicamentos – Strong The One

Hoje, a maior parte da descoberta de medicamentos é realizada por químicos humanos que confiam em seu conhecimento e experiência para selecionar e sintetizar as moléculas certas necessárias para se tornarem os medicamentos seguros e eficientes dos quais dependemos. Para identificar os caminhos de síntese, os cientistas geralmente empregam uma técnica chamada retrossíntese – um método para criar drogas potenciais trabalhando de trás para frente a partir das moléculas desejadas e procurando reações químicas para produzi-las.

No entanto, como analisar milhões de possíveis reações químicas pode ser um empreendimento extremamente desafiador e demorado, pesquisadores da Ohio State University criaram uma estrutura de IA chamada G²Retro para gerar reações automaticamente para qualquer molécula. O novo estudo mostrou que, em comparação com os métodos atuais de planejamento manual, a estrutura foi capaz de cobrir uma enorme gama de reações químicas possíveis, bem como discernir com precisão e rapidez quais reações podem funcionar melhor para criar uma determinada molécula de medicamento.

“Usar a IA para coisas críticas para salvar vidas humanas, como a medicina, é o que realmente queremos focar”, disse Xia Ning, principal autor do estudo e professor associado de ciência da computação e engenharia no estado de Ohio. “Nosso objetivo era usar IA para acelerar o processo de design de medicamentos e descobrimos que isso não apenas economiza tempo e dinheiro dos pesquisadores, mas também fornece candidatos a medicamentos que podem ter propriedades muito melhores do que quaisquer moléculas existentes na natureza”.

Este estudo se baseia em pesquisas anteriores de Ning, onde sua equipe desenvolveu um método chamado Modof que foi capaz de gerar estruturas de moléculas que exibiam as propriedades desejadas melhor do que quaisquer moléculas existentes. “Agora a questão é como produzir essas moléculas geradas, e é aí que esse novo estudo brilha”, disse Ning, também professor associado de informática biomédica na Faculdade de Medicina.

O estudo foi publicado hoje na revista Química das Comunicações.

A equipe de Ning treinou G²Retro em um conjunto de dados que contém 40.000 reações químicas coletadas entre 1976 e 2016. A estrutura “aprende” com representações gráficas de determinadas moléculas e usa redes neurais profundas para gerar possíveis estruturas de reagentes que poderiam ser usadas para sintetizá-las. Seu poder generativo é tão impressionante que, de acordo com Ning, uma vez dada uma molécula, G²A Retro poderia apresentar centenas de novas previsões de reação em apenas alguns minutos.

“Nosso método de IA generativo G²O Retro é capaz de fornecer várias rotas e opções de síntese diferentes, bem como uma maneira de classificar diferentes opções para cada molécula”, disse Ning. “Isso não substituirá os experimentos de laboratório atuais, mas oferecerá mais e melhores medicamentos opções para que os experimentos possam ser priorizados e focados muito mais rapidamente.”

Para testar ainda mais a eficácia da IA, a equipe de Ning conduziu um estudo de caso para ver se G²A Retro conseguiu prever com precisão quatro medicamentos recém-lançados que já estão em circulação: Mitapivat, um medicamento usado para tratar anemia hemolítica; Tapinarof, que é usado para tratar várias doenças de pele; Mavacamten, um medicamento para tratar a insuficiência cardíaca sistêmica; e Oteseconazole, usado para tratar infecções fúngicas em mulheres. G²A Retro foi capaz de gerar corretamente exatamente as mesmas rotas de síntese patenteadas para esses medicamentos e forneceu rotas de síntese alternativas que também são viáveis ​​e sinteticamente úteis, disse Ning.

Ter um dispositivo tão dinâmico e eficaz à disposição dos cientistas poderia permitir que a indústria fabricasse medicamentos mais fortes em um ritmo mais rápido – mas, apesar da vantagem que a IA pode oferecer aos cientistas dentro do laboratório, Ning enfatiza os medicamentos G²Retro ou qualquer criação de IA generativa ainda precisa ser validada – um processo que envolve as moléculas criadas sendo testadas em modelos animais e posteriormente em testes humanos.

“Estamos muito entusiasmados com a IA generativa para a medicina e nos dedicamos a usar a IA de forma responsável para melhorar a saúde humana”, disse Ning.

Esta pesquisa foi apoiada pelo Programa de Excelência em Pesquisa do Presidente do Estado de Ohio e pela National Science Foundation. Outros co-autores do estado de Ohio foram Ziqi Chen, Oluwatosin Ayinde, James Fuchs e Huan Sun.