TDEP: Predicting Target Perturbation Response from Drug-Induced Transcriptomes

Encontrar a chave certa para uma fechadura biológica é o desafio central da descoberta de fármacos moderna. Os cientistas sabem há muito tempo que os medicamentos funcionam ligando-se a proteínas específicas dentro do corpo, de forma muito semelhante a uma chave que se encaixa numa fechadura. Se a chave se encaixar, ela pode girar a fechadura para interromper uma doença ou iniciar um processo de cura. Durante décadas, os investigadores tentaram prever estas correspondências usando duas estratégias principais. Uma abordagem analisa a forma física das moléculas, tentando ver se elas se encaixam como peças de um puzzle. A outra observa o desfecho químico, observando como as instruções internas de uma célula mudam quando um fármaco é introduzido. Embora os métodos baseados na forma sejam bons a adivinhar se ocorrerá uma correspondência, muitas vezes falham em explicar o que acontece a seguir. Os métodos químicos podem mostrar o desfecho, mas têm dificuldade em identificar exatamente qual a proteína que causou a mudança, perdendo-se frequentemente no ruído das reações complexas da célula.

Uma equipa de investigadores da Universidade de Mulheres Ewha, na Coreia do Sul, desenvolveu uma nova forma de colmatar esta lacuna. Eles criaram um sistema chamado TDEP, que significa Target-perturbed Differential Expression Profile (Perfil de Expressão Diferencial Perturbado pelo Alvo). Em vez de apenas prever se um fármaco se ligará a uma proteína, o TDEP prevê o efeito de cascata específico que essa proteína causará em todo o manual de instruções da célula, conhecido como transcriptoma. Imagine a célula como uma vasta biblioteca de livros, onde cada livro é um gene. Quando um fármaco atinge uma proteína alvo, ele não apenas silencia um livro; ele altera a ordem de leitura de milhares de outros. O TDEP aprende a ler a reação da biblioteca a um fármaco e depois trabalha de trás para a frente para prever exatamente qual a proteína que foi a causa original dessa perturbação. Isto permite que os cientistas não apenas encontrem a correspondência, mas também compreendam a história biológica que se segue.

Os investigadores construíram o seu sistema ensinando um computador a reconhecer padrões em quantidades massivas de dados biológicos. Começaram com uma enorme coleção de mudanças induzidas por fármacos na atividade genética, recolhida de uma base de dados pública chamada Connectivity Map. Esta base de dados contém mais de um milhão de instantâneos de como diferentes células reagem a várias substâncias químicas. A equipa emparelhou estes instantâneos químicos com as sequências genéticas das proteínas que os fármacos devem atingir. Utilizaram um tipo de inteligência artificial que compreende sequências de proteínas, de forma semelhante à maneira como um modelo de linguagem compreende frases, para representar as proteínas alvo. Depois, treinaram o sistema para conectar uma proteína específica ao padrão único de mudanças genéticas que ela produz. O sistema não diz apenas "sim" ou "não" a uma interação; ele gera um mapa detalhado de como os genes da célula aumentariam ou diminuiriam se essa proteína específica fosse bloqueada.

Quando a equipa testou o seu novo sistema contra os métodos existentes, os resultados foram impressionantes. Eles compararam o TDEP com modelos antigos que dependem de formas moleculares e outros que dependem de dados genéticos de experiências onde os genes são artificialmente silenciados. Em testes envolvendo fármacos que o sistema nunca tinha visto antes, o TDEP alcançou uma AUC de 0,87 na identificação correta de interações. Este desempenho foi comparável aos melhores modelos baseados em forma, que são atualmente considerados o padrão de ouro, e significativamente superior aos métodos genéticos mais antigos, que tiveram dificuldade em atingir uma AUC de 0,6. Os investigadores descobriram que o sistema era particularmente bom em aprender com os dados que lhe eram fornecidos, evitando a armadilha comum de simplesmente memorizar as respostas. Aprendeu a reconhecer a lógica biológica subjacente que conecta uma proteína às suas consequências celulares.

Uma das descobertas mais importantes foi como o sistema lida com diferentes tipos de incógnitas. Os investigadores testaram o modelo em dois cenários: um onde os fármacos eram novos, mas as proteínas eram familiares, e outro onde as proteínas eram inteiramente novas. Descobriram que o sistema utiliza duas ferramentas diferentes para resolver estes problemas. Quando a proteína é conhecida, o sistema baseia-se no mapa detalhado de mudanças genéticas que aprendeu para prever o resultado. Quando a proteína é nova, o sistema apoia-se na sua compreensão profunda da sequência genética da proteína para fazer um palpite educado. Esta abordagem dupla permite que o sistema seja robusto, funcionando bem quer encontre um novo fármaco ou um novo alvo. Além disso, o sistema mostrou que poderia transferir o seu conhecimento entre diferentes tipos de células. Um modelo treinado num tipo de célula cancerígena podia ainda fazer previsões precisas quando aplicado a um tipo diferente de célula cancerígena, sugerindo que as regras fundamentais de como estas proteínas afetam os genes são partilhadas em diferentes contextos biológicos.

A equipa também analisou de perto se o sistema estava realmente a aprender a biologia ou se estava apenas a encontrar atalhos. Eles examinaram os genes específicos que o sistema previu que mudariam quando um alvo fosse bloqueado e compararam-nos com dados do mundo real de outras experiências. Encontraram uma forte concordância. Por exemplo, quando o sistema previu o efeito de bloquear uma proteína específica relacionada com o coração, os genes que ele sinalizou como mais propensos a mudar coincidiram com os genes que realmente mudaram em experiências independentes onde essa proteína foi removida. Isto sugere que o sistema está a capturar sinais biológicos genuínos em vez de apenas ruído estatístico. Os investigadores observaram que, embora as previsões não sejam perfeitas e os tamanhos dos efeitos sejam por vezes pequenos, a capacidade de gerar uma explicação ao nível do gene para a ação de um fármaco é um passo significativo em frente. Fornece uma forma de gerar hipóteses sobre como um fármaco funciona, que podem depois ser testadas em laboratório.

Apesar destes sucessos, os investigadores são cuidadosos ao apontar os limites do seu trabalho. O sistema depende atualmente de dados de um conjunto específico de linhagens de células cancerígenas e fármacos que já foram perfilados na base de dados pública. Ainda não consegue prever os efeitos de estruturas químicas completamente novas que nunca foram testadas num laboratório. Adicionalmente, o sistema prevê se um fármaco irá interagir com um alvo, mas não mede a força com que eles se ligam. Os investigadores também reconhecem que os dados biológicos que utilizam provêm de uma tecnologia específica, e os resultados podem variar se aplicados a dados de diferentes plataformas de medição. No entanto, a conquista central permanece: demonstraram que é possível prever as consequências transcricionais detalhadas do alvo de uma proteína específica com alta precisão.

Este trabalho oferece uma nova perspetiva sobre como abordamos a descoberta de fármacos. Ao ir além das simples previsões de "sim ou não", o TDEP fornece uma janela para o mecanismo de ação. Permite que os cientistas vejam o potencial de efeitos secundários ou benefícios terapêuticos de um fármaco ao observar o padrão específico de mudanças genéticas que ele é previsto causar. Os investigadores sugerem que esta abordagem pode ajudar a priorizar quais os alvos de fármcos que valem a pena perseguir, gerar novas ideias sobre como fármcos existentes podem funcionar e até ajudar a encontrar novos usos para medicamentos antigos. À medida que as bases de dados de dados biológicos continuam a crescer e os modelos de inteligência artificial se tornam mais sofisticados, este método de ligar alvos proteicos às suas consequências celulares completas poderá tornar-se uma ferramenta padrão na busca pela compreensão e tratamento de doenças. O estudo é uma prova de conceito de que combinar sequências genéticas com dados de resposta celular pode produzir conhecimentos que nenhuma das abordagens conseguiria alcançar sozinha.