Como um investigador usa Codex e ChatGPT para procurar novas moléculas antimicrobianas

Os micróbios resistentes a medicamentos, incluindo bactérias, fungos, parasitas e vírus, representam uma ameaça global crescente. Cerca de cinco milhões de mortes em 2021 estiveram associadas⁠(abre numa nova janela) à resistência bacteriana aos antimicrobianos — um número anual que deverá aproximadamente duplicar até 2050. Encontrar moléculas com potencial para se tornarem antimicrobianos pode demorar anos. Os investigadores estão a usar a IA para acelerar esta fase inicial da descoberta.

«Na minha opinião, a resistência aos antimicrobianos é uma das maiores ameaças existenciais para a humanidade», afirmou César de la Fuente⁠(abre numa nova janela), um bioengenheiro cujo laboratório interdisciplinar procura candidatos a antimicrobianos. «E, no entanto, não surge uma nova classe de antibióticos há 50 anos.»

Grande parte do desenvolvimento moderno de antimicrobianos centra-se na modificação de medicamentos existentes ou na pesquisa de classes conhecidas de compostos químicos. Mas essa abordagem produz resultados cada vez menores.

O laboratório de De la Fuente começa num ponto muito menos explorado: o código da vida. A ideia central deste trabalho é que a biologia constitui um sistema de informação. «Os nucleótidos que compõem o ADN e os aminoácidos que formam as proteínas e os péptidos são como uma espécie de alfabeto», afirmou de la Fuente. «Pensar na biologia como informação permitiu-nos desenvolver métodos que começam a decifrar os princípios de organização da vida que deram origem a uma molécula funcional.»

Os modelos de aprendizagem profunda do laboratório são treinados para reconhecer padrões em sequências biológicas, o que lhes permite pesquisar vastos conjuntos de dados de genomas e proteínas em busca de potenciais antimicrobianos. Esta abordagem pode reduzir de anos para horas a pesquisa inicial de moléculas candidatas.

Além dos seus próprios modelos de IA, o laboratório usa o ChatGPT e o Codex para debater hipóteses, escrever e aperfeiçoar código, processar conjuntos de dados, analisar resultados e estabelecer ligações entre disciplinas científicas.

Apenas uma pequena parte de um genoma tem uma função claramente compreendida, e uma parte ainda menor codifica moléculas capazes de combater micróbios infecciosos. O desafio consiste em identificar os padrões que tornam uma molécula funcional, ou biologicamente ativa, e depois determinar quais têm potencial para combater micróbios infecciosos.

Há muito que os cientistas procuram antimicrobianos em plantas, animais, micróbios, insetos, água e solo. Recolhem amostras, isolam ou preveem moléculas candidatas e testam-nas num processo iterativo que pode demorar anos.

As bases de dados digitais de genomas e proteínas permitem agora aos cientistas pesquisar novos compostos em toda a árvore da vida, ampliando drasticamente o volume de dados disponíveis para explorar. Mas esta abundância de informação traz os seus próprios desafios: encontrar sinais promissores entre um número enorme de possibilidades.

A IA é particularmente adequada para esta tarefa de encontrar uma agulha num palheiro. Consegue analisar enormes conjuntos de dados, identificar padrões que poderiam ser difíceis de detetar pelos investigadores e selecionar um conjunto viável de candidatos para testes experimentais.

Contudo, identificar um candidato promissor não significa necessariamente que venha a tornar-se um medicamento eficaz.

Os cientistas têm primeiro de confirmar que a molécula candidata elimina o micróbio-alvo, determinar a quantidade necessária para que seja eficaz e testar os seus efeitos nas células humanas. Os químicos podem depois otimizá-la para melhorar a sua eficácia, segurança ou estabilidade.

Outros testes avaliam a dose a partir da qual o candidato se torna tóxico, a facilidade com que os micróbios desenvolvem resistência à molécula e a forma como o candidato circula pelo organismo. As equipas também definem um método fiável para produzir a molécula. Os candidatos que superam estes obstáculos ainda têm de passar pela avaliação regulamentar e por ensaios clínicos antes de poderem chegar aos doentes como medicamentos antimicrobianos aprovados.

Para de la Fuente, é por isso que a IA e a biologia laboratorial têm de avançar em conjunto. «As experiências que verificam os resultados no mundo real são essenciais para validar as previsões da IA», afirmou. «Isto será fundamental nas ciências da vida nos próximos anos, se quisermos continuar a desvendar sequer uma pequena parte da biologia, que é o que existe de mais complexo.»

O seu laboratório explora os genomas de organismos vivos e extintos em busca de moléculas candidatas. Pesquisar esses genomas, compreender como se formam e funcionam as proteínas que codificam e determinar o que fazem essas moléculas exige conhecimentos especializados em várias áreas.

«Somos um grupo altamente transdisciplinar, com pessoas das áreas da biologia, química, informática e engenharia», afirmou de la Fuente. Alguns membros do laboratório têm sólidos conhecimentos de programação, mas sabem menos de biologia ou química, e vice-versa. O Codex e o ChatGPT ajudam a colmatar essas lacunas, permitindo que os biólogos criem programas e que os programadores resolvam problemas biológicos. Nesse sentido, a IA reduz as barreiras entre disciplinas científicas.

Ajuda os membros do laboratório a rever temas que desconhecem mas de que precisam para o seu trabalho interdisciplinar, a esclarecer terminologia, a comparar métodos entre áreas e a organizar ideias para a descoberta de medicamentos. Outros usam a IA para descarregar, organizar e pré-processar grandes conjuntos de dados genómicos. O ChatGPT também permite que os membros do laboratório trabalhem nas suas línguas maternas, reduzindo barreiras e acelerando os seus fluxos de trabalho.

De la Fuente usa o ChatGPT como parceiro para debater ideias. Continua a desenvolver ideias com os colegas, mas valoriza a capacidade da IA para o ajudar a formular uma hipótese. Também aprecia poder aceder à informação de todo o mundo com um simples clique.

«O nosso espaço de trabalho do ChatGPT recebe contributos de todas estas pessoas, que pensam de formas diferentes sobre os problemas que estamos a tentar resolver», afirmou de la Fuente. Os membros do laboratório partilham ali as suas boas e más ideias, tornando-o uma espécie de caixa de ressonância colaborativa.

No entanto, alerta para os riscos de depender apenas da IA. «É evidente que temos sempre de confirmar se a informação está correta», afirmou de la Fuente.

Ainda assim, valoriza a capacidade da IA para ajudar os investigadores a explorar as fronteiras entre disciplinas científicas. «É aí que estão as grandes descobertas à espera de serem feitas. Encontram-se, essencialmente, nas fronteiras entre áreas, onde muito poucas pessoas se aventuram.»

Considera este trabalho parte de uma tradição científica muito mais longa. «Sempre recorremos a ferramentas e máquinas para compreender o mundo à nossa volta», afirmou de la Fuente. «O telescópio iluminou o cosmos e o microscópio revelou o mundo do invisível.» Agora, as máquinas ajudam os investigadores a compreender, prever e conceber sistemas biológicos. «É disso que trata o nosso trabalho», afirmou.