p Quando você toma um medicamento, você quer saber exatamente o que ele faz. As empresas farmacêuticas passam por testes extensivos para garantir que você o faça. p Com uma nova técnica baseada em aprendizagem profunda criada na Brown School of Engineering da Rice University, em breve, eles poderão compreender melhor o desempenho dos medicamentos em desenvolvimento no corpo humano.

p O laboratório Rice da cientista da computação Lydia Kavraki apresentou o Metabolite Translator, uma ferramenta computacional que prevê metabólitos, os produtos das interações entre pequenas moléculas como drogas e enzimas.

p Os pesquisadores do Rice tiram vantagem dos métodos de aprendizado profundo e da disponibilidade de conjuntos de dados de reação massiva para dar aos desenvolvedores uma visão ampla do que uma droga fará. O método não é restringido por regras que as empresas usam para determinar as reações metabólicas, abrindo um caminho para novas descobertas.

p "Quando você está tentando determinar se um composto é uma droga potencial, você tem que verificar a toxicidade, "Kavraki disse." Você quer confirmar que faz o que deveria, mas você também quer saber o que mais pode acontecer. "

p A pesquisa de Kavraki, a autora principal e estudante de graduação Eleni Litsa e a aluna de Rice Payel Das, do Thomas J. Watson Research Center da IBM, é detalhado no jornal Royal Society of Chemistry Ciência Química.

p Os pesquisadores treinaram o Metabolite Translator para prever metabólitos por meio de qualquer enzima, mas mediu seu sucesso em relação aos métodos existentes baseados em regras que se concentram nas enzimas do fígado. Essas enzimas são responsáveis ​​por desintoxicar e eliminar xenobióticos, como drogas, pesticidas e poluentes. Contudo, os metabólitos também podem ser formados por meio de outras enzimas.

p "Nossos corpos são redes de reações químicas, "Litsa disse." Eles têm enzimas que agem sobre os produtos químicos e podem quebrar ou formar ligações que transformam suas estruturas em algo que pode ser tóxico, ou causar outras complicações. As metodologias existentes se concentram no fígado porque a maioria dos compostos xenobióticos são metabolizados lá. Com o nosso trabalho, estamos tentando capturar o metabolismo humano em geral.

p “A segurança de um medicamento não depende apenas do medicamento em si, mas também dos metabólitos que podem ser formados quando o medicamento é processado no corpo, "Litsa disse.

p A ascensão das arquiteturas de aprendizado de máquina que operam em dados estruturados, como moléculas químicas, tornar o trabalho possível, ela disse. O Transformer foi introduzido em 2017 como um método de tradução de sequência que encontrou amplo uso na tradução de idiomas.

p Metabolite Translator é baseado em SMILES (para "sistema de entrada de linha de entrada molecular simplificado"), um método de notação que usa texto simples em vez de diagramas para representar moléculas químicas.

p "O que estamos fazendo é exatamente o mesmo que traduzir um idioma, como inglês para alemão, "Litsa disse.

p Devido à falta de dados experimentais, o laboratório usou a aprendizagem por transferência para desenvolver o Metabolite Translator. Eles primeiro pré-treinaram um modelo Transformer no 900, 000 reações químicas conhecidas e depois ajustadas com dados sobre as transformações metabólicas humanas.

p Os pesquisadores compararam os resultados do Metabolite Translator com os de várias outras técnicas preditivas, analisando sequências SMILES conhecidas de 65 drogas e 179 enzimas metabolizadoras. Embora o Metabolite Translator tenha sido treinado em um conjunto de dados geral não específico para drogas, ele teve um desempenho tão bom quanto os métodos baseados em regras comumente usados ​​que foram desenvolvidos especificamente para drogas. Mas também identificou enzimas que não estão comumente envolvidas no metabolismo de drogas e não foram encontradas pelos métodos existentes.

p "Temos um sistema que pode prever igualmente bem os sistemas baseados em regras, e não colocamos regras em nosso sistema que exijam trabalho manual e conhecimento especializado, "Kavraki disse." Usando um método baseado em aprendizado de máquina, estamos treinando um sistema para entender o metabolismo humano sem a necessidade de codificar explicitamente esse conhecimento na forma de regras. Este trabalho não teria sido possível há dois anos. "

p Kavraki é o professor de ciência da computação Noah Harding, um professor de bioengenharia, engenharia mecânica e elétrica e engenharia da computação e diretor do Ken Kennedy Institute de Rice. A Rice University e o Instituto de Pesquisa e Prevenção do Câncer do Texas apoiaram a pesquisa.