Desenvolvimento de Sondas Químicas para Proteínas Humanas
Um ambicioso projeto internacional está em andamento para desenvolver sondas químicas potentes e seletivas para todas as proteínas humanas até 2035. A iniciativa, conhecida como Target 2035, visa criar grandes conjuntos de dados que detalham a interação entre proteínas e pequenas moléculas. Esses dados serão acessíveis ao público, permitindo que a comunidade científica utilize algoritmos de aprendizado de máquina para prever novas moléculas com potencial terapêutico.
Publicação e Colaboração
O plano de ação do Target 2035 foi publicado na revista Nature Reviews Chemistry e conta com a participação do Structural Genomics Consortium (SGC), uma entidade sem fins lucrativos que promove a ciência aberta pela eliminação de restrições de patentes. Pesquisadores do Centro de Química Medicinal (CQMED), da Universidade Estadual de Campinas (Unicamp), contribuíram significativamente para a formatação desse roteiro.
O CQMED é uma unidade de pesquisa que recebe apoio da Empresa Brasileira de Pesquisa e Inovação Industrial (Embrapii) e da FAPESP através do programa de Institutos Nacionais de Ciência e Tecnologia (INCTs).
Impacto das Sondas Químicas
As sondas químicas são moléculas pequenas que se ligam a proteínas específicas, alterando suas funções. Ter acesso a sondas para todas as proteínas humanas pode revolucionar a compreensão das funções protéicas no corpo humano e acelerar a identificação de novos alvos para medicamentos.
O processo de desenvolvimento de sondas químicas começa com a identificação de um "hit", uma molécula que interage com a proteína alvo. A partir disso, os pesquisadores podem aprimorar sua seletividade e potência através de modificações estruturais.
Resultados e Desafios
Embora o projeto tenha um horizonte futuro, já existem resultados tangíveis: um programa anterior do SGC resultou em sondas para mais de 200 proteínas, com aproximadamente 13 mil citações em artigos científicos e 85 ensaios clínicos em andamento.
Além disso, o Critical Assessment of Computational Hit-finding Experiments (CACHE Challenges), que avalia o uso de inteligência artificial na identificação de ligantes, já está em sua sexta edição. Uma equipe da Universidade Federal do Rio Grande (FURG), liderada pela pesquisadora Karina Machado, venceu a terceira edição ao identificar ligantes para uma proteína do SARS-CoV-2.
Superando Obstáculos de Dados
Um dos principais desafios na descoberta de hits é a escassez de dados de alta qualidade disponíveis publicamente. Os dados existentes são frequentemente fragmentados ou derivados de protocolos experimentais não padronizados. Para resolver isso, o Target 2035 está estabelecendo um programa para gerar grandes conjuntos de dados experimentais que documentem as interações entre proteínas e pequenas moléculas.
O projeto utilizará duas abordagens para triagem de moléculas: bibliotecas químicas codificadas por DNA (DEL) e a seleção de hits por espectrometria de massa (AS-MS).
Acesso e Compartilhamento de Dados
Todos os dados gerados serão disponibilizados publicamente em um banco de dados chamado AIRCHECK (Artificial Intelligence-Ready CHEmiCal Knowledge base). "Abrir os dados para a comunidade científica acelera o desenvolvimento de melhores algoritmos computacionais, o que pode resultar em lançamentos de novas drogas mais rapidamente", explica Mário Bengtson, coautor do artigo e professor da Unicamp.
"Quando o conhecimento é compartilhado livremente, todos se beneficiam – desde acesso a tecnologias até capacitação e troca de conhecimento entre acadêmicos e indústrias", acrescenta Lucas Souza, coautor do estudo.
Leitura Adicional
O artigo completo, Protein-ligand data at scale to support machine learning, pode ser acessado em: Nature.
Informações da Agência FAPESP
