UniLingo3DMol: a unified 3D molecular language model for de novo and fragment-based drug design

A busca por novos medicamentos é uma tarefa monumental, frequentemente comparada a encontrar uma agulha específica em um palheiro que está constantemente mudando de forma. Por décadas, cientistas confiaram em duas estratégias principais para projetar essas agulhas. Uma abordagem observa a forma química de moléculas que já se sabe que funcionam, ajustando-as levemente para ver se se tornam melhores. A outra abordagem observa a forma tridimensional do próprio alvo da doença, como uma fechadura, e tenta projetar uma chave que se encaixe perfeitamente em suas cavidades. Embora ambos os métodos sejam úteis, eles foram tradicionalmente mantidos separados. A inteligência artificial começou a ajudar em ambos, mas a maioria dos programas de computador é especializada: ou são bons em ajustar produtos químicos existentes ou são bons em projetar novas formas para uma fechadura específica, mas raramente ambos ao mesmo tempo. Essa separação força os pesquisadores a alternar ferramentas e mentalidades, retardando o processo de descoberta e impedindo que o computador aprenda o quadro completo de como um fármaco interage com um alvo de doença.

Uma equipe de pesquisadores introduziu agora um novo sistema de inteligência artificial chamado UniLingo3DMol que preenche essa lacuna. Em vez de usar ferramentas separadas para diferentes estágios do design de fármacos, este sistema utiliza uma linguagem única e unificada para descrever moléculas em três dimensões. Ele pode gerar candidatos a fármacos inteiramente novos do zero, ou pode pegar uma peça específica de um fármaco conhecido e construir uma nova molécula ao seu redor, tudo isso mantendo em mente a complexa forma tridimensional do alvo da doença. Os pesquisadores testaram este sistema em mais de cem alvos biológicos diferentes e descobriram que ele poderia produzir moléculas semelhantes a fármacos que se encaixavam em seus alvos de forma melhor e mais precisa do que os modelos de computador existentes. Para provar que funcionava no mundo real, a equipe usou o sistema para projetar um novo inibidor para uma proteína chamada CBL-B, que está envolvida na regulação do sistema imunológico. O composto resultante mostrou forte atividade em testes laboratoriais e, quando combinado com um anticorpo de imunoterapia existente, reduziuu com sucesso tumores em camundongos em 76 por cento.

A inovação central deste trabalho reside em como o computador "vê" uma molécula. Os métodos tradicionais costumam descrever uma molécula como uma lista plana de átomos e ligações, o que torna difícil para o computador entender como essa molécula pareceria em três dimensões quando tenta se encaixar em uma proteína. O novo sistema utiliza uma abordagem de sequência dupla. Ele decompõe uma molécula em partes significativas, como anéis de átomos ou cadeias laterais, e então descreve como essas partes se conectam usando um conjunto de ponteiros. Isso permite que o computador reordene as partes sem quebrar a molécula, de forma muito semelhante a embaralhar um baralho mantendo os naipes intactos. Essa flexibilidade é crucial porque permite que o sistema aprenda com dois tipos de dados muito diferentes ao mesmo tempo: o vasto espaço químico de todas as moléculas possíveis e as estruturas de alta resolução específicas de moléculas que já se sabe que se ligam a proteínas.

Para ensinar o sistema, os pesquisadores construíram um banco de dados massivo chamado RComplex, contendo milhões de complexos proteína-ligante. Eles organizaram esses dados em três níveis de confiança, variando das estruturas mais certas, determinadas diretamente por cristalografia de raios X, até estruturas menos certas, que foram previstas por docking computacional. O processo de treinamento ocorreu em três estágios. Primeiro, o sistema aprendeu as regras básicas da química e como os átomos se organizam no espaço usando uma biblioteca de oito milhões de moléculas virtuais. Em seguida, aprendeu como essas moléculas interagem com bolsas proteicas, usando os dados menos certos, porém abundantes, do banco de dados. Finalmente, refinou sua compreensão usando apenas as estruturas experimentais de maior qualidade. Essa abordagem passo a passo garantiu que o sistema aprendesse a linguagem fundamental da química antes de tentar dominar o dialeto complexo da ligação proteica.

Os pesquisadores avaliaram o sistema contra outros seis modelos líderes de inteligência artificial usando um conjunto padrão de cento e dois alvos proteicos. O novo sistema superou todos eles. Gerou uma porcentagem maior de moléculas que pareciam fármacos reais, o que significa que possuíam o equilíbrio correto de tamanho, complexidade e propriedades químicas. Mais importante, as formas tridimensionais que produziu encaixavam-se nos alvos proteicos com maior precisão. Quando os pesquisadores verificaram se as moléculas geradas podiam reproduzir os padrões de ligação de fármacos ativos conhecidos, o novo sistema teve sucesso em mais de setenta por cento dos casos, um salto significativo em relação à taxa de sucesso inferior a trinta e cinco por cento dos outros modelos. Também funcionou muito mais rápido, gerando quinhentas moléculas válidas em cerca de trinta segundos, enquanto os outros modelos levavam de treze minutos a mais de três horas para realizar a mesma tarefa.

Para demonstrar que isso não era apenas um exercício de computador, a equipe aplicou o sistema a um desafio específico: projetar um inibidor para CBL-B. Esta proteína é um alvo atraente para a imunoterapia do câncer porque atua como um freio no sistema imunológico; desligá-la poderia ajudar o corpo a combater o câncer de forma mais eficaz. A equipe partiu de um inibidor conhecido ligado à proteína CBL-B e pediu ao sistema para gerar novas moléculas que mantivessem duas partes específicas do fármaco original, mas alterassem o restante para encontrar um ajuste melhor. O sistema gerou centenas de milhares de candidatos, que foram posteriormente filtrados até restarem alguns leads promissores. Um deles, um composto que eles nomearam como Cmpd. 7, foi sintetizado e testado. Ele mostrou forte atividade no laboratório, e sua estrutura cristalina confirmou que se ligava à proteína exatamente como o computador havia previsto.

Baseando-se neste sucesso, os pesquisadores usaram o sistema novamente para otimizar o composto ainda mais. Eles mantiveram as partes do Cmpd. 7 que estavam funcionando bem e pediram ao sistema para redesenhar a seção restante para melhorar sua interação com a proteína. Esta rodada de geração produziu um novo lead, o Cmpd. 20. Ao serem testados em camundongos com tumores, o Cmpd. 20 sozinho mostrou alguma atividade, mas quando combinado com um anticorpo PD-1 padrão, resultou em uma redução de 76 por cento no crescimento tumoral. O composto também apresentou um perfil de segurança favorável em testes iniciais, com baixa inibição de certas enzimas hepáticas que frequentemente causam interações medicamentosas. Todo o processo, desde a geração computacional inicial até o teste animal final, destacou como uma abordagem unificada pode agilizar o caminho de uma ideia digital para um potencial medicamento.

O estudo também explorou os limites da tecnologia atual. Embora o sistema seja altamente eficaz, ele depende de imagens estáticas de proteínas, que são, na verdade, flexíveis e se movimentam no corpo. Os pesquisadores observaram que versões futuras poderiam incorporar o movimento das proteínas para tornar os designs ainda mais robustos. Eles também sugeriram que o sistema poderia ser melhorado ao recuperar fragmentos químicos específicos de bancos de dados externos em tempo real, permitindo que se adapte a novas descobertas científicas sem precisar ser treinado do zero. Essas potenciais atualizações apontam para um futuro onde a inteligência artificial atuará como uma parceira contínua na descoberta de fármacos, aprendendo e refinando constantemente seus designs conforme novos dados se tornam disponíveis.

O sucesso do UniLingo3DMol sugere que o futuro do design de fármacos pode não residir em ferramentas especializadas para tarefas específicas, mas em sistemas unificados que possam lidar com todo o processo. Ao ensinar a inteligência artificial a falar uma linguagem que abrange tanto a química da molécula quanto a geometria do alvo, os pesquisadores criaram uma ferramenta que pode navegar pelo complexo cenário da descoberta de fármacos de forma mais eficiente do que nunca. A capacidade de gerar candidatos a fármacos tridimensionais de alta qualidade em segundos, e de validá-los em organismos vivos, marca um passo significativo no avanço da aplicação da inteligência artificial à saúde humana. O trabalho demonstra que, quando os modelos computacionais são projetados para imitar a forma holística como os especialistas humanos pensam sobre o design de fármacos, eles podem produzir resultados que não são apenas teoricamente sólidos, mas praticamente eficazes.