Com infecções resistentes a antibióticos em ascensão e um vírus pandêmico em constante transformação, é fácil ver por que os pesquisadores querem ser capazes de projetar nanopartículas projetadas que possam encerrar essas infecções.
Um novo modelo de aprendizado de máquina que prevê interações entre nanopartículas e proteínas, desenvolvido na Universidade de Michigan, nos aproxima dessa realidade.

"Reimaginamos as nanopartículas para serem mais do que meros veículos de entrega de drogas. Consideramos que elas são drogas ativas em si mesmas", disse J. Scott VanEpps, professor assistente de medicina de emergência e autor do estudo na Nature Computational Ciência .

A descoberta de medicamentos é um processo lento e imprevisível, e é por isso que muitos antibióticos são variações de um medicamento anterior. Os desenvolvedores de medicamentos gostariam de projetar medicamentos que possam atacar bactérias e vírus da maneira que escolherem, aproveitando os mecanismos de "fechadura e chave" que dominam as interações entre moléculas biológicas. Mas não estava claro como fazer a transição da ideia abstrata de usar nanopartículas para interromper infecções para a implementação prática do conceito.

“Ao aplicar métodos matemáticos às interações proteína-proteína, simplificamos o design de nanopartículas que imitam uma das proteínas nesses pares”, disse Nicholas Kotov, professor de ciências químicas e engenharia da Universidade Irving Langmuir e autor correspondente do estudo. .

“As nanopartículas são mais estáveis ​​que as biomoléculas e podem levar a classes inteiramente novas de agentes antibacterianos e antivirais”.

O novo algoritmo de aprendizado de máquina compara nanopartículas a proteínas usando três maneiras diferentes de descrevê-las. Enquanto a primeira era uma descrição química convencional, as duas que diziam respeito à estrutura acabaram sendo mais importantes para fazer previsões sobre se uma nanopartícula seria uma combinação de chave e fechadura com uma proteína específica.

Entre eles, essas duas descrições estruturais capturaram a superfície complexa da proteína e como ela pode se reconfigurar para permitir ajustes de fechadura e chave. Isso inclui bolsos nos quais uma nanopartícula poderia caber, juntamente com o tamanho que tal nanopartícula precisaria ter. As descrições também incluíam quiralidade, uma torção no sentido horário ou anti-horário que é importante para prever como uma proteína e uma nanopartícula se encaixam.

"Existem muitas proteínas fora e dentro de bactérias que podemos atingir. Podemos usar este modelo como uma primeira triagem para descobrir quais nanopartículas se ligarão a quais proteínas", disse Emine Sumeyra Turali Emre, pesquisadora de pós-doutorado em engenharia química e co-primeira autor do artigo, juntamente com Minjeong Cha, Ph.D. estudante de ciência e engenharia de materiais.

Emre e Cha explicaram que os pesquisadores poderiam acompanhar as correspondências identificadas por seu algoritmo com simulações e experimentos mais detalhados. Uma dessas combinações poderia impedir a propagação do MRSA, uma cepa comum resistente a antibióticos, usando nanopirâmides de óxido de zinco que bloqueiam enzimas metabólicas nas bactérias.

"Algoritmos de aprendizado de máquina como o nosso fornecerão uma ferramenta de design para nanopartículas que podem ser usadas em muitos processos biológicos. A inibição do vírus que causa o COVID-19 é um bom exemplo", disse Cha. "Podemos usar esse algoritmo para projetar nanopartículas com eficiência que tenham atividade antiviral de amplo espectro contra todas as variantes".

Esse avanço foi possibilitado pela Blue Sky Initiative da U-M College of Engineering, que forneceu suporte à equipe interdisciplinar que realizava a exploração fundamental de se uma abordagem de aprendizado de máquina poderia ser eficaz quando os dados sobre a atividade biológica de nanopartículas são tão escassos.

"O núcleo da ideia do Blue Sky é exatamente o que este trabalho abrange:encontrar uma maneira de representar proteínas e nanopartículas em uma abordagem unificada para entender e projetar novas classes de medicamentos que têm várias maneiras de trabalhar contra bactérias", disse Angela Violi, Arthur F. Thurnau Professor, professor de engenharia mecânica e líder do projeto de nanobióticos Blue Sky.

Colaboradores da Universidade da Califórnia, em Los Angeles, também contribuíram para o algoritmo de aprendizado de máquina. + Explorar mais

Nova ferramenta permite modelagem inédita de nanopartículas magnéticas