Harvard desenvolveu uma ferramenta de IA que identifica genes e combinações de medicamentos capazes de reverter doenças nas células.
Pesquisadores da Escola Médica de Harvard criaram uma ferramenta de inteligência artificial que pode transformar a descoberta de medicamentos. O PDGrapher consegue identificar genes e combinações de medicamentos que restauram a saúde de células doentes, abrindo novas possibilidades para o tratamento de câncer e doenças neurodegenerativas. Os resultados da pesquisa foram publicados na Nature Biomedical Engineering.
A descoberta tradicional de medicamentos geralmente envolve testar centenas de compostos químicos na esperança de que um deles se mostre eficaz.
“A descoberta tradicional de medicamentos é como provar centenas de pratos prontos para encontrar aquele que, por acaso, tem o sabor perfeito”, afirma a Dra. Marinka Zitnik , principal autora do estudo e professora assistente de informática biomédica no Instituto Blavatnik da Faculdade de Medicina de Harvard. “O PDGrapher funciona como um chef de cozinha que entende qual deve ser o sabor de um prato e como combinar os ingredientes para atingir o sabor desejado.”
A nova ferramenta é uma rede neural gráfica que analisa não apenas pontos de dados individuais, mas também as conexões entre eles. Em biologia, isso significa mapear as relações entre genes, proteínas e vias de sinalização e, em seguida, prever quais combinações de medicamentos podem reverter o processo da doença nas células.
Em vez de testar todas as substâncias possíveis do banco de dados, o PDGrapher identifica apenas os alvos com maior probabilidade de restaurar a função celular saudável. O modelo simula o que acontece quando genes ou proteínas específicos são desativados e verifica se a célula continuará a se comportar como se estivesse doente.
Para testar a eficácia do modelo, os pesquisadores utilizaram 19 conjuntos de dados abrangendo 11 tipos de câncer. O PDGrapher identificou corretamente alvos para medicamentos existentes e também identificou candidatos adicionais cuja eficácia é comprovada por estudos recentes. Exemplos incluem KDR (VEGFR2), um alvo para terapia de câncer de pulmão de células não pequenas, e TOP2A, uma enzima já alvo de quimioterapia, cujo bloqueio pode inibir metástase.
O modelo superou outras ferramentas – a precisão da classificação foi até 35% maior e o tempo para obter resultados foi até 25 vezes menor do que no caso de métodos comparáveis.
Veja também:
O PDGrapher pode desempenhar um papel particularmente importante em doenças em que múltiplas vias biológicas impulsionam a progressão, como câncer e doenças neurodegenerativas. A equipe já o está testando em estudos sobre as doenças de Parkinson e Alzheimer, bem como em colaboração com o Hospital Geral de Massachusetts na rara distonia ligada ao cromossomo X.
“Nosso objetivo final é criar um roteiro claro delineando possíveis maneiras de reverter a doença no nível celular”, enfatiza Zitnik.
Esta descoberta pode acelerar significativamente o desenvolvimento de terapias personalizadas. Como o PDGrapher identifica alvos específicos para testes, ele reduz o tempo e os custos dos testes, além de fornecer novos insights sobre os mecanismos da doença. Como observam os pesquisadores, a ferramenta pode se tornar a base de um novo paradigma em farmacologia — afastando-se de "um alvo, um medicamento" e caminhando em direção a combinações terapêuticas complexas e precisas.
politykazdrowotna
