Uma Crise que Exige Novas Abordagens

O mundo está ficando sem antibióticos eficazes, e as consequências já estão sendo medidas em vidas humanas. A resistência antimicrobiana, a capacidade de bactérias e outros patógenos de evoluir defesas contra os medicamentos projetados para matá-los, mata um estimado de 1,27 milhão de pessoas anualmente e contribui para quase cinco milhões de mortes em todo o mundo. O pipeline de novos medicamentos antibióticos desacelerou para uma fração do que era décadas atrás, conforme as empresas farmacêuticas desviaram seus investimentos de pesquisa para áreas terapêuticas mais lucrativas. Para esta crise crescente chegou César de la Fuente, um cientista da Universidade da Pensilvânia que está reimaginando fundamentalmente de onde vêm os antibióticos e como são descobertos.

A abordagem de De la Fuente representa uma mudança de paradigma na descoberta de medicamentos. Em vez de seguir o caminho tradicional de triagem de amostras de solo e culturas microbianas para atividade antimicrobiana, um método que rendeu retornos diminutos desde sua era de ouro em meados do século XX, ele se voltou para a inteligência artificial para explorar imensos bancos de dados biológicos que nenhum pesquisador humano poderia analisar manualmente. Os resultados foram surpreendentes, revelando potenciais compostos antibióticos ocultos em lugares em que ninguém pensou em procurar.

Minerando os Genomas da Extinção

Uma das direções de pesquisa mais impressionantes de De la Fuente envolve procurar peptídeos antimicrobianos nos genomas de organismos extintos. Usando algoritmos de aprendizado de máquina treinados para reconhecer as características estruturais associadas à atividade antibiótica, seu time analisou as sequências genéticas reconstruídas de neandertais, denisovanos e outros hominínios antigos. A IA identificou peptídeos que, quando sintetizados em laboratório, mostraram atividade antimicrobiana genuína contra bactérias modernas resistentes a medicamentos.

O conceito é tanto elegante quanto provocativo. Esses organismos antigos evoluíram defesas antimicrobianas ao longo de centenas de milhares de anos de seleção natural, mas os peptídeos específicos envolvidos foram perdidos para a ciência quando a espécie foi extinta. Ao usar IA para identificar esses compostos em genomas reconstruídos, De la Fuente está efetivamente ressuscitando uma farmacopeia que se pensava estar permanentemente perdida. É uma forma de arqueologia molecular, usando ferramentas computacionais para extrair valor médico do passado profundo.

A abordagem não se limita aos hominínios. O time de De la Fuente estendeu sua busca para os genomas de mamutes-lanudos, organismos marinhos antigos e outras espécies extintas, cada uma representando uma linhagem evolutiva única que pode ter desenvolvido compostos antimicrobianos com mecanismos de ação novos. A diversidade de fontes é uma vantagem estratégica, pois as bactérias são menos propensas a ter resistência pré-existente a compostos que nunca encontraram.

O Corpo Humano como Farmácia

Em uma linha paralela de pesquisa, De la Fuente voltou a atenção da IA para dentro, examinando as proteínas e peptídeos produzidos pelo corpo humano. O proteoma humano contém milhares de proteínas que servem uma ampla gama de funções biológicas, desde suporte estrutural até defesa imunológica. Ao analisar essas proteínas com modelos de aprendizado de máquina, seu time identificou fragmentos que exibem propriedades antimicrobianas mas nunca haviam sido reconhecidos como potenciais candidatos a medicamentos.

Esta descoberta tem implicações profundas. Se antibióticos eficazes podem ser derivados de proteínas humanas, eles podem oferecer vantagens em termos de biocompatibilidade e efeitos colaterais reduzidos. O sistema imunológico já usa peptídeos antimicrobianos como parte de sua defesa de primeira linha contra infecção; o trabalho de De la Fuente sugere que o corpo pode conter um arsenal muito maior de compostos antimicrobianos do que se apreciava anteriormente, aguardando para ser identificado e desenvolvido em agentes terapêuticos.

Como a IA Funciona

Os sistemas de aprendizado de máquina no coração da pesquisa de De la Fuente operam aprendendo a relação entre a sequência de aminoácidos de um peptídeo e sua atividade antimicrobiana. Treinados em bancos de dados de peptídeos antimicrobianos conhecidos e suas propriedades, os modelos desenvolvem um entendimento das características estruturais que predizem atividade contra diferentes tipos de patógenos. Eles podem então examinar novas sequências, seja de genomas antigos, proteínas humanas ou DNA ambiental, e atribuir uma probabilidade de que cada candidato terá propriedades antimicrobianas úteis.

A escala dessa abordagem computacional é o que a torna transformadora. A triagem tradicional de antibióticos pode avaliar algumas milhares de compostos em um ano. Os sistemas de IA de De la Fuente podem analisar milhões de sequências candidatas em dias, identificando centenas de leads promissores para testes em laboratório. Esta aceleração dramática do processo de descoberta é crucial dado o senso de urgência da crise de resistência antimicrobiana.

Depois que candidatos promissores são identificados computacionalmente, o time os sintetiza em laboratório e os testa contra painéis de bactérias resistentes a medicamentos. A taxa de sucesso foi notavelmente alta em comparação com métodos de triagem tradicionais, validando a capacidade da IA de identificar compostos antimicrobianos genuínos de imensos bancos de dados. Aqueles que mostram atividade em laboratório então avançam através de testes adicionais para avaliar sua segurança e eficácia em modelos animais.

Da Descoberta ao Impacto

O desafio de traduzir descobertas computacionais em tratamentos clínicos permanece significativo. O desenvolvimento de medicamentos é um processo longo e caro, e os incentivos econômicos que afastaram as empresas farmacêuticas dos antibióticos permanecem em grande parte inalterados. De la Fuente tem sido vocal sobre a necessidade de novos modelos de financiamento, incluindo incentivos de demanda apoiados pelo governo que garantam um mercado para novos antibióticos, para garantir que descobertas promissoras não morram em laboratório.

Apesar desses desafios, o trabalho representa uma razão genuína para otimismo em um campo que tem sido definido pelo pessimismo por décadas. Ao demonstrar que a IA pode dramaticamente expandir o universo de potenciais compostos antibióticos, De la Fuente abriu uma porta pela qual outros pesquisadores estão agora passando. Times ao redor do mundo estão adotando abordagens computacionais similares, criando um esforço global crescente que pode finalmente começar a fechar a lacuna entre o surgimento de infecções resistentes e o desenvolvimento de novos medicamentos para tratá-las.

A visão é ambiciosa mas fundamentada em resultados reais. Os antibióticos do futuro podem vir dos genomas de espécies que desapareceram milhares de anos atrás, das proteínas de nossos próprios corpos, ou dos imensos bancos de dados metagenômicos que catalogam a diversidade microbiana de cada ecossistema da Terra. Graças à inteligência artificial, agora temos as ferramentas para encontrá-los.

Este artigo é baseado em reportagem da MIT Technology Review. Leia o artigo original.