Químicos apresentam prova de conceito de novo método que acelera a pesquisa de descoberta de medicamentos

* Uma equipe de químicos da Universidade da Califórnia, Berkeley, desenvolveu um novo método que poderia acelerar significativamente o processo de pesquisa de descoberta de medicamentos.
* O método, chamado de “matrizes supramoleculares de autoclassificação”, usa pequenas moléculas para se automontarem em estruturas em nanoescala que podem ser usadas para rastrear potenciais candidatos a medicamentos.
* Os investigadores afirmam que o seu método é mais rápido e eficiente do que os métodos tradicionais de rastreio de medicamentos e pode levar a novos tratamentos para uma variedade de doenças.

O processo de descoberta de medicamentos é notoriamente lento e caro. Pode levar anos e bilhões de dólares para lançar um novo medicamento no mercado. Um dos principais gargalos no processo de descoberta de medicamentos é a triagem de potenciais candidatos a medicamentos.

Tradicionalmente, a triagem de medicamentos é feita in vitro, utilizando células cultivadas em laboratório. Este método é demorado e caro, e pode ser difícil prever como um medicamento se comportará no corpo humano.

O novo método desenvolvido pelos químicos de Berkeley oferece uma solução potencial para estes problemas. Matrizes supramoleculares de autoclassificação são estruturas em nanoescala que podem ser usadas para rastrear potenciais candidatos a medicamentos de uma forma mais eficiente.

Os investigadores dizem que o seu método é mais rápido e eficiente do que os métodos tradicionais de rastreio de medicamentos e pode levar a novos tratamentos para uma variedade de doenças.

“Este novo método tem o potencial de revolucionar a forma como desenvolvemos novos medicamentos”, disse o autor sênior James C. Liao, professor de química em Berkeley. “Isso poderia levar a novos tratamentos para uma variedade de doenças e também tornar o processo de descoberta de medicamentos mais rápido e mais econômico”.

Os pesquisadores publicaram suas descobertas na revista Nature Chemistry.

Como funciona o novo método

Matrizes supramoleculares autoclassificadas são pequenas moléculas que se automontam em estruturas em nanoescala. Estas estruturas podem ser usadas para rastrear potenciais candidatos a medicamentos, ligando-se a proteínas ou alvos específicos.

Os pesquisadores usaram matrizes supramoleculares de autoclassificação para rastrear potenciais inibidores da enzima BACE1. BACE1 é uma enzima chave na produção de placas beta-amilóides, que estão associadas à doença de Alzheimer.

Os pesquisadores descobriram que várias das pequenas moléculas que sintetizaram foram capazes de inibir a atividade do BACE1. Estes compostos poderiam potencialmente ser desenvolvidos em novos medicamentos para o tratamento da doença de Alzheimer.

Vantagens do novo método

O novo método desenvolvido pelos químicos de Berkeley tem diversas vantagens sobre os métodos tradicionais de triagem de drogas.

*É mais rápido e eficiente. Matrizes supramoleculares de autoclassificação podem ser usadas para rastrear possíveis candidatos a medicamentos em questão de dias, em comparação com semanas ou meses para os métodos tradicionais.
* É mais econômico. Matrizes supramoleculares de autoclassificação são relativamente baratas para sintetizar e podem ser usadas para rastrear múltiplos alvos simultaneamente.
*É mais preciso. Matrizes supramoleculares de autoclassificação podem ser usadas para identificar potenciais candidatos a medicamentos com maior probabilidade de serem eficazes no corpo humano.

Aplicações potenciais

O novo método desenvolvido pelos químicos de Berkeley poderá ter um grande impacto no processo de descoberta de medicamentos. Isso poderia levar a novos tratamentos para uma variedade de doenças, incluindo doença de Alzheimer, câncer e doenças cardíacas.

Os pesquisadores estão atualmente trabalhando em maneiras de usar matrizes supramoleculares de autoclassificação para rastrear potenciais candidatos a medicamentos para outras doenças. Eles também estão trabalhando no desenvolvimento de novas matrizes supramoleculares de autoclassificação que sejam ainda mais eficientes e precisas.