Pesquisadores de IA Desenvolvem Método para Reutilizar Medicamentos Existente para Combater a Covid-19

Uma equipe internacional de pesquisadores aplicou modelos de IA para encontrar medicamentos já existentes que possam tratar a Covid-19 em pacientes idosos. A equipe de pesquisa aplicou modelos de autoencoder a medicamentos já disponíveis no mercado, visando encontrar semelhanças nas alterações na expressão gênica causadas pelo envelhecimento natural e pela Covid-19.

Como explicou a coautora do estudo, bióloga computacional do MIT, Caroline Uhler, o problema com o desenvolvimento de novos medicamentos para combater a Covid-19 é que o processo de desenvolvimento de medicamentos pode levar anos. A IA já foi utilizada para descobrir novos medicamentos, encontrando novas formulações para medicamentos terapêuticos muito mais rápido do que os métodos tradicionais de descoberta de medicamentos. Infelizmente, mesmo a velocidade relativamente rápida com que os medicamentos podem ser descobertos usando a IA ainda é muito lenta para situações como a pandemia de Covid-19. É muito mais expedito reutilizar medicamentos existentes.

Para encontrar um medicamento que possa combater os efeitos da Covid-19 em populações idosas, os pesquisadores examinaram genes que sofreram alterações durante o envelhecimento normal e quando afetados pelo vírus da Covid-19.

A Covid-19 é hipotetizada como usando certas vias celulares, particularmente vias inflamatórias, para se replicar. Também é conhecido que os efeitos da Covid-19 são muito piores em populações idosas do que em populações mais jovens. Além disso, os sistemas respiratórios de indivíduos idosos são caracterizados por alterações na rigidez dos tecidos. Dadas essas informações, os pesquisadores procuraram genes alterados pelo envelhecimento e pela Covid-19, com o objetivo de encontrar medicamentos que interajam positivamente com esses genes.

A equipe de pesquisa usou um processo de três etapas para encontrar genes comuns a ambas as vias. Na primeira fase da pesquisa, a equipe usou um autoencoder para gerar uma lista de medicamentos candidatos. Isso foi feito analisando dois conjuntos de dados de padrões de expressão gênica, selecionando os medicamentos que pareciam reduzir o impacto geral do vírus. O resultado foi uma lista de medicamentos candidatos e suas interações com proteínas em ambas as vias de envelhecimento e infecção. Em seguida, os pesquisadores pegaram a lista de medicamentos candidatos e mapearam as interações entre proteínas e as duas vias diferentes, produzindo um mapa de interações de proteínas para ambas. Os pesquisadores então compararam os dois mapas de interações de proteínas para encontrar áreas de sobreposição. Isso levou à descoberta de uma rede de expressão gênica que os medicamentos devem visar para reduzir a gravidade da Covid-19 em pacientes idosos.

Na fase final do projeto de pesquisa, a equipe empregou métodos estatísticos para determinar a causalidade dentro das redes mapeadas. Usando esse método, eles foram capazes de determinar os genes exatos com os quais um medicamento candidato deve interagir para reduzir a gravidade de uma infecção por Covid-19.

De acordo com os resultados de sua análise, o gene RIPK1 foi considerado a parte do genoma mais adequada para ser alvo de medicamentos terapêuticos para a Covid-19. Alguns dos medicamentos candidatos são usados para tratar câncer. Outros medicamentos candidatos já estão sendo testados por institutos médicos para tratar a Covid-19.

A equipe de pesquisa observa que isso é apenas o primeiro passo para determinar quais medicamentos poderiam ser reutilizados para o tratamento da Covid-19. Experimentos extensivos in vitro e ensaios clínicos terão que ser realizados para determinar se os medicamentos são realmente eficazes. No entanto, se a abordagem se provar bem-sucedida, ela poderia ser usada para encontrar medicamentos eficazes para outras condições.

De acordo com a equipe de pesquisadores:

“Enquanto aplicamos nossa plataforma computacional no contexto do SARS-CoV-2, nossos algoritmos integram modalidades de dados disponíveis para muitas doenças, tornando-as amplamente aplicáveis.”