O MIT utiliza IA para descobrir novos antibióticos focados em superbactérias.

Por anos, médicos têm enfrentado um desafio considerável no combate a bactérias que desenvolveram resistência crescente a antibióticos existentes. No entanto, pesquisadores do MIT estão liderando uma inovação ao utilizar deep learning para identificar uma nova classe de compostos que pode reverter essa situação. Em um estudo revolucionário publicado na Nature, esses cientistas descobriram compostos capazes de eliminar eficazmente o notório MRSA (Staphylococcus aureus resistente à meticilina) em ambientes laboratoriais, apresentando baixa toxicidade em relação às células humanas. Essa característica promissora os posiciona como potenciais candidatos a novos medicamentos.

O MRSA é responsável por infectar mais de 80.000 americanos anualmente, com infecções severas levando a complicações graves de saúde, como a sepse, uma condição que pode ser fatal devido à intoxicação do sangue. Para abordar essa preocupação de saúde pública urgente, a equipe de pesquisa do MIT treinou um sofisticado modelo de deep learning com dados robustos gerados a partir do teste de 39.000 compostos para sua atividade antibiótica contra o MRSA. Eles complementaram esse conjunto de dados com informações detalhadas sobre as estruturas químicas desses compostos, permitindo que o modelo identificasse possíveis candidatos a medicamentos.

Para refinar ainda mais a busca, os pesquisadores desenvolveram três modelos adicionais de deep learning que previam quais compostos poderiam ser tóxicos para células humanas. Essa abordagem multifacetada os permitiu identificar compostos que poderiam eliminar eficazmente o MRSA sem representar riscos para a saúde humana. Utilizando esses modelos de IA, a equipe analisou impressionantes 12 milhões de compostos disponíveis comercialmente, isolando aqueles pertencentes a cinco classes distintas previstas como eficazes contra o MRSA. Após esse rastreio de alto rendimento, dois candidatos promissores surgiram por meio de rigorosos testes laboratoriais.

A liderança deste estudo inovador é de Felix Wong, do MIT e Harvard, e Erica Zheng, graduada da Harvard Medical School. A pesquisa faz parte do Antibiotics-AI Project no Collins Lab do MIT, que visa desenvolver sete novas classes de antibióticos direcionados a algumas das bactérias mais mortais do mundo.

Os superbugs-alvo incluem:

- E. coli

- Klebsiella pneumoniae

- Acinetobacter baumannii

- Pseudomonas aeruginosa

- Neisseria gonorrhoeae

- Staphylococcus aureus

- Mycobacterium tuberculosis

O laboratório está comprometido em criar uma biblioteca de treinamento abrangente com 100.000 compostos, que serão testados contra esses sete patógenos para identificar moléculas ativas. Esses dados valiosos servirão para treinar ainda mais modelos de machine learning aplicados a bibliotecas computacionais contendo mais de um bilhão de moléculas, com o objetivo final de descobrir e projetar novos antibióticos.

Segundo os Centros de Controle e Prevenção de Doenças, um americano é diagnosticado com uma infecção resistente a medicamentos a cada 11 segundos, com uma morte ocorrendo a cada 15 minutos devido a essas infecções. O uso inadequado de antibióticos em humanos e animais agravou essa questão, levando a uma crise global de resistência a antibióticos. O laboratório enfatiza a necessidade urgente de novos antibióticos, ressaltando que as empresas farmacêuticas têm, em grande parte, desviado o foco dessa área crítica em favor de mercados mais lucrativos. Os antibióticos sendo desenvolvidos através deste projeto representariam as primeiras novas classes em mais de três décadas, sublinhando a necessidade urgente de inovação neste campo.