Um novo estudo utilizou machine learning para prever potenciais novos antibióticos no microbioma global, o que, segundo os autores do estudo, marca um avanço significativo no uso da inteligência artificial (IA) na pesquisa sobre resistência a antibióticos.
PUBLICIDADE
O relatório, publicado na quarta-feira (5) na revista Cell , detalha as descobertas de cientistas que usaram um algoritmo para explorar “a totalidade da diversidade microbiana que temos na Terra – ou uma grande representação disso – e encontrar quase 1 milhão de novas moléculas codificadas ou escondidas em toda essa matéria escura microbiana”, disse César de la Fuente, um dos autores do estudo e professor da Universidade da Pensilvânia. De la Fuente dirige o Machine Biology Group, que visa usar computadores para acelerar descobertas em biologia e medicina.
Sem tal algoritmo, De la Fuente disse que os cientistas teriam que usar métodos tradicionais, como coletar água e solo para encontrar moléculas nesses amostras. Isso pode ser desafiador porque os micróbios estão em toda parte – desde o oceano até o intestino humano.
“Levaria muitos, muitos, muitos anos para fazer isso, mas com um algoritmo, podemos analisar vastas quantidades de informações, e isso apenas acelera o processo”, disse De la Fuente.
PUBLICIDADE
Os cientistas usaram IA para analisar 6.680 compostos, eventualmente descobrindo nove potenciais antibióticos, incluindo abaucin.
A pesquisa é urgente para a saúde pública, segundo o autor, porque a resistência antimicrobiana causou mais de 1,2 milhão de mortes em 2019. Esse número pode aumentar para 10 milhões de mortes anuais até 2050, segundo a Organização Mundial da Saúde (OMS).
Embora De la Fuente veja o estudo, que produziu o “maior esforço de descoberta de antibióticos já realizado”, como um momento decisivo nos potenciais benefícios da inteligência artificial para a pesquisa, ele reconheceu que agentes mal-intencionados poderiam potencialmente “desenvolver modelos de IA para projetar toxinas”.
PUBLICIDADE
Ele disse que seu laboratório implementou salvaguardas para armazená-las e garantir que as moléculas não sejam capazes de se autorreplicar. Notavelmente, salvaguardas de biossegurança não foram necessárias para este estudo porque estas eram “moléculas inertes”.
Embora a inteligência artificial tenha se tornado um tema quente nos últimos anos, De la Fuente disse que começou a usar IA em pesquisas de antibióticos há cerca de uma década.
“Conseguimos apenas acelerar a descoberta de antibióticos”, disse De la Fuente. “Então, em vez de esperar cinco, seis anos para chegar a um candidato, agora, no computador, podemos, em apenas algumas horas, chegar a centenas de milhares de candidatos.”
PUBLICIDADE
Antes que a Administração de Alimentos e Medicamentos dos EUA (FDA) aprove um antibiótico, ele geralmente passa por anos de estudo através de pesquisas laboratoriais e ensaios clínicos. Essas várias etapas podem levar de 10 a 20 anos.
Para este estudo, os pesquisadores coletaram genomas e metagenomas armazenados em bancos de dados públicos e procuraram por trechos de DNA que pudessem ter atividade antimicrobiana. Para validar essas previsões, eles usaram química para sintetizar 100 dessas moléculas no laboratório e depois testá-las para determinar se elas poderiam realmente matar bactérias, incluindo “alguns dos patógenos mais perigosos da nossa sociedade”, disse De la Fuente.
79% das moléculas, que eram representativas das 1 milhão de moléculas descobertas, poderiam matar pelo menos um micróbio – o que significa que elas poderiam servir como um potencial antibiótico.
PUBLICIDADE
A resistência a antibióticos é uma preocupação crescente devido ao uso indevido e excessivo de antimicrobianos em humanos, animais e plantas, segundo a OMS.
Os autores do estudo disponibilizaram esses dados e código gratuitamente para qualquer pessoa acessar com o objetivo de “avançar na ciência e beneficiar a humanidade”, disse De la Fuente.
Ele espera que sua equipe e outros pesquisadores conduzam investigações adicionais sobre os principais candidatos a potenciais medicamentos antibióticos. “Então, se isso correr bem, ele irá para ensaios clínicos de fase um, mas ainda estamos longe disso”, disse ele.
Este não é o primeiro estudo em biologia que fez uso significativo da IA. Recentemente, o Google DeepMind lançou a versão mais recente do AlphaFold, um programa que prevê como as proteínas interagirão com outras moléculas e íons, o que pode produzir avanços em campos tão variados como terapia contra o câncer e resiliência das culturas.
Lisa Messeri, antropóloga de tecnologia na Universidade de Yale, disse que o aprendizado de máquina e a IA são “certamente excelentes para alguns projetos em ciência”, mas não para todos.
“Simplesmente pedimos que pesquisadores e programas de pesquisa continuem a ser cuidadosos sobre quando escolher aplicar esses métodos e não limitem projetos que não necessariamente exigem o uso dessas ferramentas tão comentadas e focadas”, disse ela.
Leia também:
