ARTIGO 1: O papel da IA na descoberta de fármacos
Este artigo faz parte de uma série de três artigos sobre IA na descoberta de fármacos. Podes explorar a série completa
Artigo 1: O papel da IA na descoberta de fármacos
- Introdução
- Como é utilizada a IA na descoberta de fármacos?
- Qual foi o primeiro fármaco descoberto por IA?
Artigo 2: O impacto da IA na indústria farmacêutica
- Grandes empresas farmacêuticas que incorporam IA na descoberta de fármacos
- A transformação do setor: empresas farmacêuticas a crescer rapidamente graças à IA na descoberta de fármacos
Artigo 3: O futuro da IA no desenvolvimento de fármacos e a contribuição da CymitQuimica
- Vantagens da utilização da IA no desenvolvimento de fármacos
- O futuro da IA no desenvolvimento de fármacos
- A contribuição da CymitQuimica para a descoberta de fármacos
A fusão entre IA e descoberta de fármacos representa uma fronteira emocionante, oferecendo uma mudança de paradigma na inovação farmacêutica.
A integração da Inteligência Artificial (IA) na descoberta de fármacos está a transformar o setor farmacêutico, acelerando a identificação de alvos, o design molecular e a otimização. Este artigo explora como a IA está a ser aplicada, quais as plataformas e modelos que lideram a inovação e o que esperar no futuro.
Na CymitQuimica, mantemos o compromisso de apoiar projetos de investigação, fornecendo um serviço inovador e de qualidade que responde às necessidades dos laboratórios e fabricantes de produtos químicos e biológicos, essenciais para o avanço das descobertas farmacêuticas.
Como é utilizada a IA na descoberta de fármacos?
A IA está a revolucionar a descoberta de fármacos ao melhorar a eficiência em várias etapas do desenvolvimento farmacêutico. A combinação de diferentes tecnologias de IA (Machine Learning, Deep Learning e IA Generativa) contribui para tornar o desenvolvimento de fármacos mais simples, económico e rápido.
Os investigadores aproveitam a capacidade da IA para analisar grandes volumes de dados biológicos, químicos e clínicos, prever resultados com maior precisão e gerar novos candidatos a fármacos.
Uma das maiores contribuições da IA para a descoberta de fármacos é a triagem e otimização de compostos potenciais. Tradicionalmente, as bibliotecas de compostos consistiam em coleções físicas de moléculas testadas experimentalmente para identificar interações com alvos biológicos, como proteínas. Com os avanços da IA, estas bibliotecas evoluíram para vastas bases de dados digitais utilizadas para triagem virtual. A IA analisa estas bibliotecas para prever como os compostos irão interagir com um alvo, acelerando as fases iniciais da descoberta de fármacos e melhorando a eficiência no desenvolvimento de compostos líderes.
Além da triagem de compostos, a IA melhora várias fases do processo de desenvolvimento de fármacos, otimizando a eficiência desde a descoberta inicial até à análise pós-comercialização.
As principais aplicações incluem:
- Identificação e validação de alvos: As tecnologias de IA, como Machine Learning e processamento de linguagem natural, permitem a análise rápida de dados genéticos e proteómicos para identificar potenciais alvos terapêuticos. A IA pode revelar mecanismos de doenças, prever novos biomarcadores e refinar a descoberta de alvos terapêuticos através da análise de grandes quantidades de dados biológicos (Mak & Pichika, 2019).
- Design e otimização de fármacos: Os modelos generativos baseados em IA permitem conceber novas moléculas com características semelhantes a fármacos e otimizar compostos líderes. Ao prever as interações moleculares e as propriedades farmacocinéticas dos compostos, a IA melhora a precisão do design de fármacos e aumenta a probabilidade de identificar candidatos promissores (Pal et al., 2023). A IA também pode ajudar a prever potenciais problemas toxicológicos nas fases iniciais do desenvolvimento, reduzindo o risco de falhas em fases avançadas.
- Desenvolvimento pré-clínico: Os modelos in silico baseados em IA preveem a eficácia e os perfis de segurança dos candidatos a fármacos, minimizando assim a necessidade de testes extensivos em animais. Estes modelos preditivos aceleram a fase pré-clínica ao identificar os candidatos mais promissores para ensaios clínicos posteriores (Chakraborty et al., 2023).
- Ensaios clínicos: O papel da IA nos ensaios clínicos está a tornar-se cada vez mais relevante, desde a otimização do recrutamento de doentes através da análise de registos eletrónicos de saúde (EHR) até à análise de dados de ensaios em tempo real. Os sistemas de IA podem adaptar os protocolos dos ensaios com base nos resultados obtidos, o que melhora a eficiência dos ensaios e os resultados dos doentes (Editorial, 2023). A IA também é utilizada na medicina personalizada para prever como os doentes irão responder a terapias específicas.
- Monitorização pós-comercialização: A capacidade da IA para analisar dados do mundo real provenientes das populações de doentes pode ajudar a identificar reações adversas a fármacos (ADR) e monitorizar a eficácia a longo prazo. Ao fornecer feedback contínuo após a comercialização de um fármaco, a IA melhora a segurança do doente e assegura uma melhor gestão pós-comercialização (Mak & Pichika, 2019).
Qual foi o primeiro fármaco descoberto por IA?
O primeiro fármaco descoberto por IA a entrar em ensaios clínicos foi o DSP-1181, um agonista do recetor de serotonina 5-HT1A desenvolvido pela Exscientia em colaboração com a Sumitomo Dainippon Pharma. Este fármaco, concebido para tratar o transtorno obsessivo-compulsivo (TOC), foi desenvolvido em apenas 12 meses, em comparação com os 4 a 5 anos exigidos pelos métodos convencionais.
O desenvolvimento rápido do DSP-1181 foi possível graças a modelos de IA que analisaram milhões de moléculas potenciais, otimizando a sua eficácia, segurança e viabilidade como fármaco. Desde então, a IA tem sido utilizada para conceber múltiplos candidatos a fármacos, alguns dos quais avançaram para ensaios clínicos, demonstrando o potencial da IA para melhorar a investigação e desenvolvimento (I&D) farmacêutico.
Continua a ler a série: