Notícia

Plantão News (MT)

Aprendizado de máquina torna reposicionamento de fármacos para transtornos psiquiátricos mais efetivo

Publicado em 28 junho 2020

A inteligência artificial pode aumentar a eficácia de pesquisas voltadas ao reposicionamento de fármacos. É o que mostra estudo publicado na revista Translational Psychiatry em que pesquisadores brasileiros correlacionaram informações sobre medicamentos (com o uso já aprovado para outras doenças), o potencial desses compostos de inibir ou ativar genes e desordens psiquiátricas e neurológicas.

Como resultado, o estudo apoiado pela FAPESP identificou 63 medicamentos, que têm como alvo 31 genes e, portanto, com potencial para serem testados no tratamento de transtornos psiquiátricos como Alzheimer, Parkinson, Huntington, depressão, ansiedade, bipolaridade, esquizofrenia e autismo. No total, foram correlacionados 1.588 genes e 722 drogas.

Além da lista de potenciais candidatos para o tratamento de desordens psiquiátricas e neurológicas, o grupo de pesquisadores também desenvolveu uma nova abordagem de triagem desses fármacos que poderá ser aplicada em outros estudos para diferentes doenças. Como consequência da nova metodologia, eles iniciaram novo estudo de reposicionamento de drogas com o intuito de encontrar potenciais candidatos para o tratamento de COVID-19.

“Estamos gerando muito mais conhecimento do que somos capazes de absorver. Revistas científicas publicam mais de 1 milhão de artigos por ano. Com isso, é impossível manter a literatura atualizada independentemente da área em que o pesquisador trabalhe”, diz Helder Nakaya, coordenador do estudo, professor da Faculdade de Ciências Farmacêuticas da Universidade de São Paulo (FCF-USP) e um dos pesquisadores principais do Centro de Pesquisa em Doenças Inflamatórias (CRID) – um Centro de Pesquisa, Inovação e Difusão (CEPID) apoiado pela FAPESP.

Nova abordagem: medicina de rede

O desenvolvimento de um novo medicamento demanda um grande investimento de tempo e de dinheiro. Uma das alternativas para encurtar esse longo caminho tem sido o reposicionamento de fármacos já aprovados para determinada doença no tratamento de uma nova enfermidade. A associação geralmente é feita com base em estudos sobre o compartilhamento de mecanismos moleculares entre drogas e doenças.

No entanto, para tornar mais efetivas essas correlações, os pesquisadores utilizaram uma abordagem conhecida como medicina de rede, associada ao aprendizado de máquina, para investigar as características moleculares e os mecanismos das desordens psiquiátricas e neurológicas.

“Com isso, conseguimos organizar e estruturar a rede de conhecimento ligada a doenças psiquiátricas e neurológicas, correlacionando-a com fármacos e genes envolvidos. A medicina de rede utiliza a teoria de grafos para analisar essas relações complexas de interações e, assim, sugerir fármacos que nunca antes foram testados para certas doenças”, diz.

Para tanto, o grupo utilizou a plataforma IBM Watson for Drug Discovery, além de programas desenvolvidos no laboratório, que mineraram as informações nos textos de milhões de artigos da literatura científica publicada nos últimos 50 anos. Com isso, eles foram capazes de construir uma rede de conhecimento que conectou informações entre transtornos, genes e medicamentos mencionados.

“Essa plataforma é capaz de ler mais de 20 milhões de artigos da mesma maneira que um ser humano os leria, porém, muito mais rápido. Por meio de técnicas de aprendizado de máquina, o computador foi aprendendo a interpretar as informações contidas nos artigos para fazer as correlações, como a ativação e a inibição de genes por determinadas substâncias e a associação desses processos com os transtornos. Não há mágica nesse trabalho, não é só apertar um botão para obter o resultado. A dificuldade está em ser capaz de identificar quais associações são realmente significativas”, diz Nakaya à Agência FAPESP.

Ferramenta para direcionar novos estudos

Com o trabalho, os pesquisadores encontraram candidatos para estudos de reposicionamento de fármacos que nunca haviam sido aventados. “As análises revelaram medicamentos nunca antes descritos como alternativas para o tratamento de doenças psiquiátricas e neurológicas. Esperamos que outros pesquisadores utilizem a lista gerada em nossa pesquisa para iniciar estudos com testes in vitro, depois em modelos animais e, futuramente, se tudo der certo, ensaios clínicos, para verificar se essas drogas funcionam de fato para as doenças relacionadas”, diz Thomaz Lüscher Dias, primeiro autor do artigo. O trabalho foi conduzido durante o doutorado de Dias, com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes) e coorientação de Nakaya.

Ao unir técnicas de aprendizado de máquina e medicina de rede, o grupo de pesquisadores torna mais efetivo o processo de reposicionamento de fármacos. “Em vez de realizar um rastreamento com 2 mil possíveis drogas, para depois testar qual delas poderia tratar uma doença, é possível utilizar o resultado do nosso trabalho e analisar uma lista muito menor e mais assertiva, com prováveis candidatos”, diz.

Em um trabalho a ser publicado em breve, o grupo liderado por Nakaya testou in vitro o efeito de um desses fármacos da lista no tratamento da esquizofrenia. “Já estamos com uma colaboração de pesquisa para verificar se o tratamento com este fármaco é mesmo efetivo. As validações experimentais são fundamentais para provar a utilidade das análises”, diz.

Os pesquisadores também estão aplicando a mesma metodologia para encontrar relações entre medicamentos, genes e a COVID-19. “Para esse estudo, estamos utilizando um grande volume de informações sobre doenças infecciosas causadas por todos os tipos de vírus, assim como os principais problemas relacionados à COVID-19 severa, para buscar associações e criar redes entre genes e fármacos que possam ser usados para tratar a doença. Neste momento de urgência é essencial direcionar o que deve ser estudado e a medicina de rede pode contribuir com isso”, diz.

O artigo Drug repositioning for psychiatric and neurological disorders through a network medicine approach (doi: 10.1038/s41398-020-0827-5), de Thomaz Lüscher Dias, Viviane Schuch, Patrícia Cristina Baleeiro Beltrão-Braga, Daniel Martins-de-Souza, Helena Paula Brentani, Glória Regina Franco e Helder Imoto Nakaya, pode ser lido em www.nature.com/articles/s41398-020-0827-5#Abs1.