A IA ajudou os pesquisadores a bloquear um vírus antes do início da infecção

A maioria dos medicamentos antivirais tem como alvo os vírus depois de eles já terem entrado nas células humanas. Pesquisadores da Universidade Estadual de Washington disseram que encontrado uma forma de intervir mais cedo, identificando uma única interação molecular da qual os vírus dependem para entrar nas células.

A pesquisa, publicado em novembro na revista Nanoescalafocado na entrada viral, um dos estágios de infecção menos compreendidos e mais difíceis de interromper, usando inteligência artificial e simulações moleculares para identificar uma interação crítica dentro de uma proteína de fusão que, quando alterada em experimentos de laboratório, impediu que o vírus entrasse em novas células.

“Os vírus atacam as células por meio de milhares de interações”, disse o professor Jin Liu, professor de engenharia mecânica e de materiais da Universidade Estadual de Washington. Descriptografar. “Nossa pesquisa visa identificar o mais importante e, uma vez identificada essa interação, podemos descobrir uma maneira de impedir que o vírus entre na célula e impedir a propagação da doença.”

O estudo surgiu de um trabalho iniciado há mais de dois anos, logo após a pandemia de COVID-19, e foi liderado pelo professor de microbiologia e patologia veterinária Anthony Nicola, com financiamento dos Institutos Nacionais de Saúde.

No estudo, os pesquisadores examinaram os vírus do herpes como um caso de teste.

Esses vírus dependem de uma proteína de fusão de superfície, a glicoproteína B (gB), que é essencial para conduzir a fusão da membrana durante a entrada.

Os cientistas sabem há muito tempo que a gB é fundamental para a infecção, mas o seu grande tamanho, a sua arquitectura complexa e a coordenação com outras proteínas de entrada viral tornaram difícil identificar quais das suas muitas interacções internas são funcionalmente críticas.

Liu disse que o valor da inteligência artificial no projeto não foi o fato de ter descoberto algo incognoscível para os pesquisadores humanos, mas sim o fato de ter tornado a busca muito mais eficiente.

Em vez de confiar em tentativa e erro, a equipe usou simulações e aprendizado de máquina para analisar milhares de possíveis interações moleculares simultaneamente e classificar quais eram as mais importantes.

“Em experimentos biológicos, geralmente você começa com uma hipótese. Você acha que esta região pode ser importante, mas nessa região existem centenas de interações”, disse Liu. “Você testa um, talvez não seja importante, depois outro. Isso leva muito tempo e muito dinheiro. Com simulações, o custo pode ser negligenciado, e nosso método é capaz de identificar as interações realmente importantes que podem então ser testadas em experimentos.”

A IA está a ser cada vez mais utilizada na investigação médica para identificar padrões de doenças que são difíceis de detetar através de métodos tradicionais.

Estudos recentes aplicaram a aprendizagem automática para prever a doença de Alzheimer anos antes do aparecimento dos sintomas, sinalizar sinais subtis da doença em exames de ressonância magnética e prever o risco a longo prazo para centenas de condições, utilizando grandes conjuntos de dados de registos de saúde.

O governo dos EUA também começou a investir nesta abordagem, incluindo uma iniciativa de 50 milhões de dólares dos Institutos Nacionais de Saúde para aplicar a IA à investigação do cancro infantil.

Além da virologia, Liu disse que a mesma estrutura computacional poderia ser aplicada a doenças causadas por interações proteicas alteradas, incluindo doenças neurodegenerativas como a doença de Alzheimer.

“O mais importante é saber qual interação atingir”, disse Liu. “Quando conseguirmos estabelecer essa meta, as pessoas poderão procurar maneiras de enfraquecê-la, fortalecê-la ou bloqueá-la. Esse é realmente o significado deste trabalho.”