Crédito:Pixabay/CC0 Domínio Público Compreender como as proteínas interagem entre si é crucial para o desenvolvimento de novos tratamentos e a compreensão das doenças. Graças aos avanços computacionais, uma equipe de pesquisadores liderada pelo professor assistente de Química Alberto Perez desenvolveu um algoritmo para identificar essas interações moleculares.
A equipe de pesquisa de Perez incluiu dois estudantes de pós-graduação da UF, Arup Mondal e Bhumika Singh, e um punhado de pesquisadores da Rutgers University e do Rensselaer Polytechnic Institute. A equipe publicou suas descobertas na Angewandte Chemie International Edition .
Chamada AF-CBA Pipeline, esta ferramenta inovadora oferece precisão e velocidade incomparáveis na identificação dos ligantes peptídicos mais fortes para uma proteína específica. Isso é feito usando IA para simular interações moleculares, classificando milhares de moléculas candidatas para identificar a molécula que interage melhor com a proteína de interesse.
A abordagem orientada por IA permite que o pipeline execute essas ações em uma fração do tempo que levaria para humanos ou abordagens tradicionais baseadas na física para realizar a mesma tarefa.
“Pense nisso como um supermercado”, explicou Perez. "Quando você quer comprar a melhor fruta possível, você tem que comparar tamanhos e aspectos. Há muitas frutas para experimentar todas, é claro, então você compara algumas antes de fazer uma seleção. Este método de IA, no entanto, pode não só experimente todos, mas também pode escolher o melhor com segurança."
Normalmente, as proteínas de interesse são as que causam mais danos ao nosso corpo quando se comportam mal. Ao descobrir quais moléculas interagem com essas proteínas problemáticas, o pipeline abre caminhos para terapias direcionadas para combater doenças como inflamação, desregulação imunológica e câncer.
"Conhecer a estrutura do ligante peptídico mais forte, por sua vez, nos ajuda no projeto racional de novas terapêuticas medicamentosas", disse Perez.
A natureza inovadora do pipeline é reforçada pela sua base em tecnologia pré-existente:um programa chamado AlphaFold. Desenvolvido pelo Google Deepmind, AlphaFold usa aprendizado profundo para prever estruturas de proteínas. Esta dependência de tecnologia familiar será uma vantagem para a acessibilidade do gasoduto aos investigadores e ajudará a garantir a sua adopção futura.
Seguindo em frente, Perez e sua equipe pretendem expandir seu pipeline para obter mais informações biológicas e inibir agentes de doenças. Eles têm dois vírus em vista:o vírus da leucemia murina e o vírus do sarcoma de Kaposi. Ambos os vírus podem causar sérios problemas de saúde, especialmente tumores, e interagir com proteínas até agora desconhecidas.
“Queremos projetar novas bibliotecas de peptídeos”, disse Perez. “O AF-CBA nos permitirá identificar os peptídeos projetados que se ligam mais fortemente do que os peptídeos virais”.
