Um atalho para a descoberta de medicamentos:um novo método prevê em grande escala como pequenas moléculas interagem com proteínas

Cientistas da Universidade da Califórnia, São Francisco (UCSF) desenvolveram um novo método que pode prever com rapidez e precisão como pequenas moléculas interagem com proteínas. Isto poderia acelerar significativamente o processo de descoberta de medicamentos, que atualmente é um processo demorado e caro.

O novo método, denominado "perfil de interação proteína-ligante in silico" (iPlip), usa aprendizado de máquina para analisar grandes conjuntos de dados experimentais. Esses dados são então usados ​​para treinar um modelo de computador que pode prever a probabilidade de uma pequena molécula se ligar a uma proteína específica.

Os pesquisadores testaram o iPlip em uma variedade de proteínas e moléculas pequenas, e os resultados foram muito promissores. O iPlip foi capaz de prever com precisão a afinidade de ligação de pequenas moléculas para 90% das proteínas testadas. Este nível de precisão poderia reduzir significativamente o número de experimentos que precisam ser realizados durante o processo de descoberta de medicamentos.

Além de sua velocidade e precisão, o iPlip também é relativamente barato de usar. Isto poderia torná-lo uma ferramenta valiosa para pequenas empresas de biotecnologia e investigadores académicos que não têm recursos para realizar estudos experimentais em grande escala.

“O iPlip tem o potencial de revolucionar a forma como descobrimos medicamentos”, disse o líder do estudo, Professor Brian Shoichet. “Isso poderia acelerar significativamente o processo de descoberta de medicamentos e torná-lo mais acessível para pequenas empresas e pesquisadores acadêmicos”.

O estudo foi publicado na revista Nature Communications.

Como funciona o iPlip

iPlip usa aprendizado de máquina para analisar grandes conjuntos de dados experimentais. Esses dados são então usados ​​para treinar um modelo de computador que pode prever a probabilidade de uma pequena molécula se ligar a uma proteína específica.

O modelo de aprendizado de máquina é treinado em uma variedade de recursos, incluindo a estrutura química da molécula pequena, a sequência da proteína e os dados experimentais sobre como a molécula pequena se liga à proteína.

Uma vez treinado, o modelo pode ser usado para prever a probabilidade de uma nova molécula pequena se ligar a uma proteína específica. Esta informação pode então ser usada para orientar o processo de descoberta de medicamentos, ajudando os investigadores a selecionar as pequenas moléculas mais promissoras para testes adicionais.

Aplicativos do iPlip

O iPlip pode ter um impacto significativo no processo de descoberta de medicamentos. Poderia acelerar o processo de descoberta de novos medicamentos e torná-los mais acessíveis para pequenas empresas e investigadores académicos.

O iPlip também poderia ser usado para identificar novos alvos para descoberta de medicamentos. Ao identificar proteínas envolvidas em doenças, o iPlip pode ajudar os pesquisadores a desenvolver medicamentos direcionados a essas proteínas.

Além da descoberta de medicamentos, o iPlip também poderia ser usado em outras áreas de pesquisa, como a compreensão de como as proteínas interagem entre si e como pequenas moléculas afetam os processos celulares.