Nova ferramenta de IA identifica genes e combinações de medicamentos para restaurar células doentes

Revolução na descoberta de medicamentos

Pesquisadores da Harvard Medical School criaram um modelo de inteligência artificial (IA) chamado PDGrapher, capaz de identificar tratamentos que revertam estados patológicos em células. Diferente dos métodos tradicionais que testam um alvo por vez, o programa analisou múltiplos fatores que podem causar doenças e apontou para os genes mais propensos a restaurar a função celular saudável. Ele também sugeriu os melhores alvos únicos ou combinados para corrigir o processo patológico.

Segundo a professora Marinka Zitnik, líder do estudo, “a descoberta tradicional de medicamentos é como provar centenas de pratos prontos para encontrar um sabor ideal. O PDGrapher funciona como um chef que sabe exatamente como combinar os ingredientes para alcançar o sabor desejado.” 

Como funciona o PDGrapher

É uma rede neural gráfica, um tipo de IA que analisa não apenas dados individuais, mas também as conexões entre eles e seus efeitos. No contexto biológico, ele mapeia relações entre genes, proteínas e vias de sinalização para prever combinações terapêuticas que corrijam disfunções celulares. 

A ferramenta simula o que acontece quando certas partes da célula são desativadas ou reduzidas, e prevê se isso levaria à reversão do estado patológico. 

Vantagens do modelo

O PDGrapher foi treinado com dados de células doentes antes e depois do tratamento, aprendendo quais genes devem ser alvo para restaurar a saúde celular. Foi testado em 19 conjuntos de dados de 11 tipos de câncer, prevendo tratamentos para amostras que nunca havia visto. 

Ele identificou alvos terapêuticos já conhecidos (excluídos propositalmente do treinamento) e novos candidatos com evidências emergentes. Por exemplo, destacou o gene KDR (VEGFR2) como alvo para câncer de pulmão não pequenas células, e TOP2A, já visado por quimioterápicos, como potencial para frear metástases. 

O modelo teve desempenho superior a outras ferramentas, classificando alvos corretos até 35% melhor e sendo até 25 vezes mais rápido. 

Implicações para o futuro da medicina

Essa abordagem pode otimizar o design de novos medicamentos, focando diretamente nos alvos que revertam traços da doença. Isso é especialmente útil em doenças complexas como o câncer, onde os tumores podem escapar de terapias que atacam apenas um alvo. 

Com validação adequada, o PDGrapher poderá ser usado para analisar o perfil celular de pacientes e sugerir combinações de tratamento personalizadas. Além disso, ao identificar os mecanismos biológicos causais, pode revelar por que certas combinações funcionam, impulsionando novas descobertas biomédicas. 

Atualmente, o modelo está sendo aplicado em enfermidades neurológicas como a doença de Parkinson e de Alzheimer, e em colaboração com o Center for XDP do Massachusetts General Hospital, para encontrar alvos terapêuticos para a Distonia-Parkinsonismo ligada ao cromossomo X, uma doença neurodegenerativa hereditária rara.

“O nosso objetivo final é criar um mapa claro de caminhos possíveis para reverter doenças no nível celular”, concluiu Zitnik.