A crescente resistência bacteriana a antibióticos tem sido uma preocupação global, destacando a urgência de encontrar novas soluções terapêuticas. Nesse cenário, pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) empregaram a inteligência artificial (IA) por meio da aprendizagem profunda para identificar uma nova classe de compostos com potencial para combater o Staphylococcus aureus resistente à meticilina (MRSA), uma bactéria causadora de infecções mortais. Este artigo explora os avanços dessa descoberta inovadora, revelando não apenas a eficácia dos compostos, mas também o insight proporcionado pela IA na busca por novos antibióticos.
No estudo publicado recentemente na Nature e compartilhado pelo MIT News, os pesquisadores do MIT destacam a capacidade da IA de aprendizagem profunda em identificar compostos promissores. O MRSA, responsável por mais de 10.000 mortes anuais nos Estados Unidos, representa um desafio significativo devido à sua resistência a medicamentos convencionais. A equipe liderada pelo Prof. James Collins utilizou a IA para analisar uma extensa gama de compostos e identificou uma nova classe com potencial antibiótico.
Um diferencial crucial deste estudo foi a transparência alcançada na compreensão do processo de tomada de decisão da IA. Ao desvendar as “caixas pretas” dos modelos de aprendizagem profunda, os pesquisadores conseguiram entender as informações que impulsionaram as previsões sobre a eficácia dos antibióticos. Esse avanço não só abre novas possibilidades para o aprimoramento dos compostos identificados, mas também oferece uma estrutura eficiente para futuras pesquisas.
O papel da aprendizagem profunda na descoberta de antibióticos
A equipe de pesquisa treinou um modelo de aprendizagem profunda usando conjuntos de dados expandidos, testando cerca de 39 mil compostos quanto à atividade antibiótica contra o MRSA. Ao alimentar o modelo com informações sobre as estruturas químicas dos compostos, os pesquisadores conseguiram não apenas prever a atividade antimicrobiana, mas também compreender as subestruturas responsáveis por essa atividade.
A utilização de algoritmos avançados, como a busca em árvore de Monte Carlo, proporcionou uma visão mais clara do processo decisório da IA. Isso permitiu não apenas a identificação de compostos promissores, mas também a compreensão de como esses compostos agem contra o MRSA. A sinergia entre a aprendizagem profunda e a transparência no processo decisório destaca um novo paradigma na descoberta de antibióticos.
Descoberta e testes de compostos antibióticos
A equipe examinou aproximadamente 12 milhões de compostos comercialmente disponíveis, identificando cinco classes distintas com potencial contra o MRSA. Com base nas previsões de atividade antimicrobiana e toxicidade para células humanas, os pesquisadores selecionaram 280 compostos para testes laboratoriais.
Os resultados foram promissores, revelando dois compostos da mesma classe como candidatos antibióticos altamente eficazes. Em testes com modelos de camundongos infectados com MRSA, esses compostos reduziram significativamente a população bacteriana. Os experimentos indicaram que os compostos agem interrompendo a capacidade das bactérias de manter um gradiente eletroquímico através das membranas celulares, um mecanismo essencial para funções celulares vitais.
Próximos passos
As descobertas foram compartilhadas com a Phare Bio, uma organização sem fins lucrativos associada ao Projeto Antibióticos-AI. A organização agora planeja análises mais detalhadas das propriedades químicas e do potencial uso clínico desses compostos. Enquanto isso, o laboratório do Prof. Collins está focado em projetar novos candidatos a medicamentos com base nas conclusões do estudo e na expansão da busca por compostos eficazes contra outras bactérias.
