Rio de janeiro
Agenda Inovação Novembro -   Dezembro    -     Janeiro Voltar 2019 -   2020 Avançar
  • S
  • S
  • D
  • S
  • T
  • Q
  • Q
  • S
  • S
  • D
  • S
  • T
  • Q
  • Q
  • S
  • S
  • D
  • S
  • T
  • Q
  • Q
  • S
  • S
  • D
  • S
  • T
  • Q
  • Q
  • S
  • S
  • 01
  • 02
  • 03
  • 04
  • 05
  • 06
  • 07
  • 08
  • 09
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
Fármacos e Medicamentos

Notícias

Inteligência artificial projeta fármacos em apenas 21 dias

O processo tradicional de descoberta de medicamentos começa com o teste de milhares de pequenas moléculas, a fim de identificar as mais promissoras - apenas uma em cada dez dessas moléculas passa nos ensaios clínicos em pacientes humanos.

 

Para evitar essa perda de 90% dos esforços e dos recursos, os cientistas estão começando a tirar proveito da inteligência artificial.

 

As redes generativas antagônicas são uma forma de "imaginação artificial" e são comumente usadas para gerar imagens com propriedades específicas. Hoje, cientistas em todo o mundo estão desenvolvendo a base teórica para essas redes e outras técnicas de aprendizado de máquina para acelerar e melhorar substancialmente o processo de descoberta de medicamentos.

 

IA projeta medicamento

Agora, pela primeira vez, a tecnologia de aprendizado por reforço generativo foi usada para gerar novas moléculas projetadas para alvejar uma proteína. Usando essa forma de inteligência artificial, as moléculas foram validadas in vitro (discos de Petri) e in vivo (cobaias) em apenas 46 dias.

 

O sistema de inteligência artificial, batizado de "Aprendizado por Reforço Tensorial Generativo", projetou seis novos inibidores de DDR1, um alvo de cinase implicado na fibrose e em outras doenças, em apenas 21 dias.

 

Quatro compostos mostraram-se ativos em ensaios bioquímicos e dois foram validados em ensaios baseados em células. Um candidato líder foi testado e demonstrou farmacocinética favorável em camundongos.

 

"Este trabalho é certamente um avanço realmente impressionante e provavelmente aplicável a muitos outros problemas no projeto de medicamentos. Com base no aprendizado de reforço de última geração, também estou muito impressionado com a amplitude deste estudo, que envolve modelagem molecular, medidas de afinidade e estudos com animais," disse o Dr. Michael Levitt, da Universidade de Stanford (EUA), ganhador do Prêmio Nobel de Química de 2013.

Checagem com artigo científico:

 

Artigo: Deep learning enables rapid identification of potent DDR1 kinase inhibitors

Autores: Alex Zhavoronkov, Yan A. Ivanenkov, Alex Aliper, Mark S. Veselov, Vladimir A. Aladinskiy, Anastasiya V. Aladinskaya, Victor A. Terentiev, Daniil A. Polykovskiy, Maksim D. Kuznetsov, Arip Asadulaev, Yury Volkov, Artem Zholus, Rim R. Shayakhmetov, Alexander Zhebrak, Lidiya I. Minaeva, Bogdan A. Zagribelnyy, Lennart H. Lee, Richard Soll, David Madge, Li Xing, Tao Guo, Alán Aspuru-Guzik

Publicação: Nature Biotechnology

Vol.: 37, pages 1038-1040

DOI: 10.1038/s41587-019-0224-x

 

 

 

(Fonte: Diário da Saúde - 02/10/19)

Instituições Associadas

ABIFINA
ABIMO
ABINEE
ABIQUIM
ALANAC
FIEMG
IPD FARMA
SEBRAE