SandboxAQ e NVIDIA Criam Supercérebro Digital Com 5 Milhões De Moléculas Sintéticas Para Descobrir Novos Medicamentos
- Lidi Garcia
- 20 de jun.
- 4 min de leitura
A SandboxAQ, uma empresa de inteligência artificial apoiada pela NVIDIA, criou um enorme conjunto de dados chamado SAIR para ajudar cientistas a descobrirem novos medicamentos mais rápido. Esse banco de dados contém milhões de simulações feitas por computador que mostram como possíveis remédios podem se ligar às proteínas no corpo. Com isso, a inteligência artificial pode prever, em pouco tempo, quais medicamentos têm mais chance de funcionar, economizando anos de testes e muitos recursos. Isso promete acelerar a criação de novos tratamentos para várias doenças.
A descoberta de novos medicamentos é um processo demorado, caro e extremamente complexo. Antes que um remédio possa ser testado em pessoas, os cientistas precisam descobrir se a molécula do medicamento se liga corretamente à proteína-alvo no corpo humano.
Essa ligação é essencial porque determina se o medicamento será capaz de interromper um processo biológico relacionado a uma doença. Para isso, eles seguem mais ou menos este caminho:
1- Primeiro, eles precisam conhecer a estrutura em 3D da proteína, o que normalmente exige experimentos caros e demorados, porque o formato da proteína ajuda a entender como ela funciona.
2- Depois, eles testam, no computador, milhares de moléculas possíveis que poderiam virar remédios.
3- Eles simulam como cada molécula poderia se encaixar na proteína, usando uma técnica chamada “docking”, que mostra a posição e a orientação da molécula no local onde ela se prende.
4- Por fim, eles calculam o quão bem essa molécula pode se prender à proteína, usando modelos baseados em física ou em inteligência artificial.
Esse processo é repetido até encontrarem uma molécula que se ligue com força suficiente para virar um possível novo remédio. A partir daí, essa molécula passa por novos testes e segue para o desenvolvimento do medicamento.
Há algum tempo, os cientistas buscam uma maneira de tornar esse processo muito mais rápido e direto, criando modelos de inteligência artificial que consigam prever a potência do remédio logo de cara, só a partir de informações da proteína e da molécula, sem nem precisar gerar a estrutura 3D primeiro.
Para ajudar a acelerar essa fase crucial da pesquisa, a empresa SandboxAQ, uma startup de inteligência artificial que surgiu do Google e conta com apoio da NVIDIA, lançou um conjunto inovador de dados chamado SAIR (Repositório IC50 Estruturalmente Aumentado).
A proposta é compactar etapas que antes levavam muito tempo em uma única previsão rápida, feita com a ajuda da inteligência artificial.
O SAIR é um banco de dados gigantesco com mais de 5,2 milhões de pares de estruturas tridimensionais de proteínas e possíveis medicamentos (moléculas pequenas). Essas estruturas foram criadas com o uso de computadores, mas baseadas em dados reais de experimentos científicos.
O objetivo é permitir que cientistas usem inteligência artificial para prever rapidamente se um medicamento pode se ligar à proteína que eles estão estudando. Isso é algo que antes exigia vários testes de laboratório demorados e caros. Ao acelerar essa fase, os cientistas conseguem economizar recursos e avançar mais rápido na busca por novos tratamentos.
Como os dados foram criados?Em vez de gerar essas informações em laboratório, o que levaria anos, a SandboxAQ usou poderosos chips de computador da NVIDIA para simular as interações entre proteínas e medicamentos.
Eles criaram várias "poses" diferentes (formatos em que a molécula do medicamento poderia se encaixar na proteína) e calcularam a força dessa ligação usando dados experimentais reais como base. Essa técnica gerou dados sintéticos (ou seja, criados por computador) extremamente próximos do que seria observado em experimentos de verdade.
Esse trabalho foi possível graças ao uso de um modelo chamado Boltz-1x, especializado em prever o dobramento e o encaixe das moléculas em 3D, com precisão que chegam a 94%.
Exemplos de complexos proteína-fármaco co-dobrados em 3D encontrados na liberação do SAIR. Crédito: SandboxAQ. Para entender melhor o que o conjunto de dados SAIR oferece, vamos começar observando a figura acima, que mostra três exemplos. Na imagem, você vê formas que parecem fitas enroladas e coloridas, essas formas representam proteínas que existem no corpo humano. Já as partes menores destacadas por uma espécie de “nuvem” cinza são as moléculas de remédios (ou fármacos) que estão “presas” a essas proteínas. O conjunto de dados SAIR traz essas estruturas previstas das proteínas e mostra exatamente onde e como as moléculas de remédio se ligam, o que chamamos de “pose”. Além disso, o SAIR também inclui dados experimentais sobre a “potência” do remédio, ou seja, o quão forte ele consegue se ligar à proteína. Essas informações, sobre como o remédio se encaixa e o quão bem ele se prende, são fundamentais na busca por novos medicamentos.
Com o SAIR, cientistas podem treinar modelos de inteligência artificial para prever em questão de minutos ou horas o que antes poderia levar meses ou anos. Isso significa que o desenvolvimento de novos medicamentos pode se tornar muito mais rápido, e o custo para testar candidatos a fármacos deve cair bastante.
No futuro, espera-se que esses modelos possam até criar novas moléculas do zero, em vez de testar uma por uma em grandes bancos de dados.
Além disso, ao divulgar publicamente esse conjunto de dados, a SandboxAQ permite que outros pesquisadores do mundo todo também se beneficiem dessa inovação, enquanto oferece modelos próprios para uso comercial.
A expectativa é que essas ferramentas tragam resultados tão confiáveis quanto os testes de laboratório, só que de forma virtual, mais barata e muito mais rápida.
LEIA MAIS:
Interesting Engineering
Reuters
Nvidia-backed AI startup SandboxAQ creates new data to speed up drug discovery
By Stephen Nellis
SandboxAQ
Comentários