Como um pesquisador usa Codex e ChatGPT para buscar novas moléculas antimicrobianas

Micróbios resistentes a medicamentos, incluindo bactérias, fungos, parasitas e vírus, representam uma ameaça global crescente. Cerca de cinco milhões de mortes em 2021 foram associadas⁠(abre em uma nova janela) à resistência bacteriana a antimicrobianos — um número anual que deve quase dobrar até 2050. Encontrar moléculas com potencial para se tornarem antimicrobianos pode levar anos. Pesquisadores estão usando IA para acelerar essa etapa inicial da descoberta.

"Na minha opinião, a resistência a antimicrobianos é uma das maiores ameaças existenciais à humanidade", disse César de la Fuente⁠(abre em uma nova janela), bioengenheiro cujo laboratório interdisciplinar busca candidatos a antimicrobianos. "E, mesmo assim, não surge uma nova classe de antibióticos há 50 anos."

Grande parte do desenvolvimento moderno de antimicrobianos se concentra em modificar medicamentos existentes ou pesquisar classes conhecidas de substâncias químicas. Mas essa abordagem oferece retornos cada vez menores.

O laboratório de de la Fuente começa por um lugar muito menos explorado: o código da vida. A ideia central do trabalho é que a biologia constitui um sistema de informação. "Os nucleotídeos que formam o DNA e os aminoácidos que formam proteínas e peptídeos são como uma espécie de alfabeto", disse de la Fuente. "Pensar na biologia como informação nos permitiu desenvolver métodos capazes de começar a decifrar os princípios organizadores da vida que deram origem a uma molécula funcional."

Os modelos de aprendizado profundo do laboratório são treinados para reconhecer padrões em sequências biológicas, o que lhes permite pesquisar possíveis antimicrobianos em vastos conjuntos de dados genômicos e proteicos. A abordagem pode reduzir de anos para horas a busca inicial por moléculas candidatas.

Além dos próprios modelos de IA, o laboratório usa ChatGPT e Codex para formular hipóteses, escrever e aperfeiçoar código, processar conjuntos de dados, analisar resultados e conectar ideias de diferentes disciplinas científicas.

Apenas uma fração de um genoma tem função claramente compreendida, e uma parcela ainda menor codifica moléculas capazes de combater micróbios infecciosos. O desafio é identificar os padrões que tornam uma molécula funcional, ou biologicamente ativa, e então determinar quais delas têm potencial para combater micróbios infecciosos.

Há muito tempo, cientistas procuram antimicrobianos em plantas, animais, micróbios, insetos, água e solo. Eles coletam amostras, isolam ou preveem moléculas candidatas e as testam em um processo iterativo que pode levar anos.

Bancos de dados digitais de genomas e proteínas agora permitem que cientistas pesquisem novos compostos em toda a árvore da vida, ampliando drasticamente a variedade de dados disponíveis para exploração. Mas essa abundância de informações traz desafios próprios: encontrar sinais promissores entre um número enorme de possibilidades.

A IA é particularmente adequada para essa tarefa de procurar uma agulha no palheiro. Ela pode examinar enormes conjuntos de dados, identificar padrões que talvez sejam difíceis para pesquisadores detectarem e priorizar um conjunto viável de candidatos para testes experimentais.

Mas identificar um candidato promissor não significa necessariamente que ele se tornará um medicamento eficaz.

Primeiro, os cientistas precisam confirmar que a molécula candidata mata o micróbio-alvo, determinar a quantidade necessária para que seja eficaz e testar como ela afeta células humanas. Depois, químicos podem otimizá-la para melhorar sua eficácia, segurança ou estabilidade.

Outros testes avaliam a dose em que o candidato se torna tóxico, a facilidade com que os micróbios desenvolvem resistência à molécula e como o candidato se desloca pelo organismo. As equipes também determinam uma forma confiável de fabricar a molécula. Os candidatos que superam esses obstáculos ainda passam por análise regulatória e ensaios clínicos antes de chegar aos pacientes como medicamentos antimicrobianos aprovados.

Para de la Fuente, é por isso que a IA e a biologia laboratorial precisam avançar juntas. "Experimentos com dados reais são essenciais para validar as previsões da IA", disse ele. "Isso será fundamental para as ciências da vida nos próximos anos se quisermos continuar avançando, ainda que pouco a pouco, em nossa compreensão da biologia, que é a coisa mais complexa que existe."

Seu laboratório explora os genomas de organismos vivos e extintos em busca de moléculas candidatas. Pesquisar esses genomas, entender como as proteínas codificadas por eles se formam e funcionam e determinar o que essas moléculas fazem exige conhecimentos de várias áreas.

"Somos um grupo altamente transdisciplinar, com pessoas da biologia, química, ciência da computação e engenharia", disse de la Fuente. Alguns integrantes do laboratório são ótimos programadores, mas sabem menos sobre biologia ou química, e vice-versa. Codex e ChatGPT ajudam a preencher essas lacunas, permitindo que biólogos criem programas e que programadores enfrentem problemas biológicos. Nesse sentido, a IA reduz as barreiras entre disciplinas científicas.

Ele ajuda os integrantes do laboratório a revisar temas pouco conhecidos necessários ao trabalho interdisciplinar, esclarecer termos, comparar métodos de diferentes áreas e organizar ideias para descobrir medicamentos. Outros usam IA para baixar, organizar e pré-processar grandes conjuntos de dados genômicos. O ChatGPT também permite que os integrantes do laboratório trabalhem em seus idiomas nativos, reduzindo barreiras e agilizando os fluxos de trabalho.

De la Fuente usa o ChatGPT como parceiro para desenvolver ideias. Ele continua desenvolvendo ideias com os colegas, mas valoriza a capacidade da IA de ajudá-lo a formular uma hipótese. Ele também gosta de poder acessar as informações do mundo com o clique de um botão.

"Nosso Ambiente de trabalho seguro do ChatGPT recebe contribuições de todas essas pessoas que pensam de maneiras diferentes sobre os problemas que tentamos resolver", disse de la Fuente. Os integrantes do laboratório apresentam suas boas e más ideias, transformando-o em uma espécie de espaço colaborativo para avaliá-las.

Mas ele alerta que não se deve depender apenas da IA. "É claro que sempre é preciso verificar a exatidão das informações", disse de la Fuente.

Ainda assim, ele valoriza a capacidade da IA de ajudar pesquisadores a explorar as fronteiras entre disciplinas científicas. "É aí que estão os avanços que ainda esperam ser descobertos. Eles se encontram justamente nos limites entre áreas, onde pouquíssimas pessoas chegam."

Ele considera esse trabalho parte de uma tradição científica muito mais longa. "Sempre recorremos a ferramentas e máquinas para entender o mundo ao nosso redor", disse de la Fuente. "O telescópio iluminou o cosmos, e o microscópio revelou o mundo invisível." Agora, as máquinas ajudam pesquisadores a compreender, prever e projetar sistemas biológicos. "É disso que trata o nosso trabalho", disse ele.