A empresa de Hong Kong Insilico Medicine, que aplica inteligência artificial para a descoberta de novas drogas, publicou no último dia 2 na revista Nature Biotechnology o resultado de um trabalho onde eles se propuseram a desenvolver um potencial inibidor da enzima DDR1 quinase, implicada no desenvolvimento de fibrose e outras doenças, em 21 dias. Para isso, eles usaram um modelo desenvolvido por eles mesmos chamado Aprendizagem por Reforço Tensorial Generativo (GENTRL, Generative Tensorial Reinforcement Learning), que é baseado em redes adversariais generativas (GANs, generative adversarial networks). GANs são comumente usadas com imagens, justamente para gerar imagens inéditas a partir de um dataset rotulado de treinamento; durante o treinamento, GANs aprendem as características relevantes em uma imagem que fazem com que ela seja de determinada classe, e então podem alterar sutilmente essas características para produzir novas imagens da mesma classe. Esses princípios foram aproveitados e o método foi adaptado para servir ao projeto mais ambicioso da empresa.
O GENTRL é estruturado para funcionar como um autoencoder capaz de converter informações referentes às estruturas e propriedades de moléculas (a partir de um “espaço químico”) até um “espaço latente”; esse espaço é então usado pelo módulo gerador para propor novas moléculas, que são avaliadas através de uma função customizada pela sua “recompensa” no espaço latente. A figura abaixo mostra uma representação simplificada dessa estrutura.
Usando esse modelo, os pesquisadores desenvolveram seis inibidores inéditos para a enzima. Quatro desses inibidores se mostraram ativos em ensaios bioquímicos, e dois foram posteriormente validados em ensaios in vitro com células vivas. A molécula candidata com maior potencial foi testada em ratos, demonstrando propriedades farmacocinéticas favoráveis para a fase pré-clínica de validação de medicamentos. No comunicado à imprensa notificando o trabalho, vários especialistas das áreas de biologia e inteligência artificial enfatizam que esse resultado é impressionante, dada a complexidade de traduzir propriedades químicas em efeito biológico. É a primeira vez que o potencial do uso de IA no desenvolvimento de medicamentos chegou em fase tão avançada de validação.
Mas não é só pela possibilidade de gerar moléculas inovadoras que esse trabalho merece destaque. Junto com a etapa de desenvolvimento da molécula, os testes somaram ao todo 46 dias de trabalho. Essa marca é notável, já que tradicionalmente esse processo costuma ser muito mais lento, chegando a durar cerca de 3 anos. Novas moléculas costumam ser descobertas quase que por acaso, e um protocolo como esse geralmente inicia com milhares de candidatos que vão sendo eliminados a cada nova etapa de testes. Das moléculas que chegam à etapa final de validação farmacêutica, apenas cerca de 10% passam pelos testes clínicos em pacientes humanos. Por isso, otimizar o tempo de desenvolvimento e aumentar a probabilidade de encontrar uma molécula eficiente tem potencial para proporcionar uma redução significativa de custos e de tempo para que novos medicamentos cheguem ao mercado.
Fonte: adaptado de INSILICO MEDICINE.
Como tem se tornado praxe no mundo da inteligência artificial, o modelo GENTRL está disponível em código aberto no GitHub.
