Método de triagem baseado em IA pode acelerar a descoberta de novos medicamentos

Nosso framework proposto inclui cinco módulos principais:(1) Módulo de pré-processamento que consiste em encontrar os sítios de ligação das proteínas; (2) Módulo de aprendizado profundo AttentionSiteDTI, onde construímos representações gráficas de SMILE dos ligantes e sítios de ligação de proteínas, e criamos uma rede neural convolucional de gráfico armada com um mecanismo de agrupamento de atenção para extrair embeddings aprendíveis de gráficos, bem como um mecanismo de atenção para aprender a relação entre ligantes e sítios de ligação de proteínas; (3) Módulo de previsão para prever interação desconhecida em um par droga-alvo, que pode abordar tanto tarefas de classificação quanto de regressão; (4) Módulo de interpretação para fornecer uma compreensão mais profunda de quais sítios de ligação de uma proteína alvo são mais prováveis de se ligar a um determinado ligante. (5) Validações em laboratório, onde comparamos nossos resultados computacionalmente previstos com interações droga-alvo observadas experimentalmente (medidas) em laboratório para testar e validar o potencial prático de nosso modelo proposto. Crédito:Briefings em Bioinformática (2022). DOI:10.1093/bib/bbac272

O desenvolvimento de medicamentos que salvam vidas pode levar bilhões de dólares e décadas de tempo, mas os pesquisadores da Universidade da Flórida Central pretendem acelerar esse processo com um novo processo de triagem de medicamentos baseado em inteligência artificial que eles desenvolveram.
Usando um método que modela interações de drogas e proteínas alvo usando técnicas de processamento de linguagem natural, os pesquisadores alcançaram até 97% de precisão na identificação de candidatos a medicamentos promissores. Os resultados foram publicados recentemente na revista Briefings in Bioinformatics .

A técnica representa as interações droga-proteína por meio de palavras para cada sítio de ligação da proteína e usa aprendizado profundo para extrair os recursos que governam as interações complexas entre os dois.

“Com a IA se tornando mais disponível, isso se tornou algo que a IA pode enfrentar”, diz o coautor do estudo Ozlem Garibay, professor assistente do Departamento de Engenharia Industrial e Sistemas de Gerenciamento da UCF. “Você pode experimentar tantas variações de proteínas e interações medicamentosas e descobrir quais são mais propensas a se ligar ou não”.

O modelo que eles desenvolveram, conhecido como AttentionSiteDTI, é o primeiro a ser interpretável usando a linguagem dos sítios de ligação de proteínas.

O trabalho é importante porque ajudará os designers de medicamentos a identificar locais críticos de ligação a proteínas, juntamente com suas propriedades funcionais, o que é fundamental para determinar se um medicamento será eficaz.

Os pesquisadores fizeram a conquista criando um mecanismo de autoatenção que faz com que o modelo aprenda quais partes da proteína interagem com os compostos da droga, ao mesmo tempo em que alcança desempenho de previsão de última geração.

A capacidade de autoatenção do mecanismo funciona focando seletivamente nas partes mais relevantes da proteína.

Os pesquisadores validaram seu modelo usando experimentos em laboratório que mediram as interações de ligação entre compostos e proteínas e, em seguida, compararam os resultados com os que seu modelo previu computacionalmente. Como os medicamentos para tratar o COVID ainda são de interesse, os experimentos também incluíram testar e validar compostos de medicamentos que se ligariam a uma proteína de pico do vírus SARS-CoV2.

Garibay diz que a alta concordância entre os resultados do laboratório e as previsões computacionais ilustra o potencial do AttentionSiteDTI para pré-selecionar compostos de drogas potencialmente eficazes e acelerar a exploração de novos medicamentos e o reaproveitamento dos existentes.

“Esta pesquisa de alto impacto só foi possível devido à colaboração interdisciplinar entre engenharia de materiais e IA/ML e cientistas da computação para abordar a descoberta relacionada ao COVID”, diz Sudipta Seal, coautor do estudo e presidente do Departamento de Ciência e Engenharia de Materiais da UCF.

Mehdi Yazdani-Jahromi, estudante de doutorado na Faculdade de Engenharia e Ciência da Computação da UCF e principal autor do estudo, diz que o trabalho está introduzindo uma nova direção na pré-triagem de drogas.

“Isso permite que os pesquisadores usem a IA para identificar medicamentos com mais precisão para responder rapidamente a novas doenças”, diz Yazdani-Jahromi. "Esse método também permite que os pesquisadores identifiquem o melhor local de ligação da proteína de um vírus para se concentrar no projeto de medicamentos".

“O próximo passo de nossa pesquisa será projetar novos medicamentos usando o poder da IA”, diz ele. “Isso naturalmente pode ser o próximo passo para se preparar para uma pandemia”. + Explorar mais