Cientistas usam IA generativa na busca por tratamentos para doenças incuráveis
Drogas e terapias genéticas ainda são absurdamente caras. A descoberta e o design de medicamentos habilitados para IA generativa mudarão isso
Basta digitar o prompt correto e um programa de IA generativa conseguirá descrever os sintomas da doença de Parkinson com bastante precisão. Mas será que ele também será capaz de ajudar a encontrar uma cura?
Essa é a grande expectativa de uma nova geração de biocientistas. Eles estão usando tecnologias semelhantes às do ChatGPT e DALL-E 2 para criar medicamentos que possam reparar as causas genéticas das doenças.
Caminhando lado a lado com os avanços recentes em nossa compreensão da genética e da biologia de proteínas, a IA generativa tem o potencial de nos permitir “programar” medicamentos para doenças que antes eram consideradas impossíveis de tratar.
A edição de RNA está emergindo como um campo promissor para tratar ou curar doenças com causa genética. O RNA é uma molécula presente em todas as células vivas. Ela carrega instruções do DNA para a produção de proteínas que determinam como as células se comportam e se desenvolvem.
Se uma pessoa tem uma mutação genética que a torna mais suscetível a uma doença, os cientistas podem editar seu RNA para alterar essa mensagem e corrigir o problema, sem alterações permanentes não intencionais no DNA.
Eles podem fazer isso projetando e entregando algo chamado de “molécula de RNA guia”. Os RNAs guia redirecionam um tipo de proteína que naturalmente edita o RNA (e que já está presente em todas as células humanas) para corrigir a causa genética da doença.
O projeto de RNAs guia é uma iniciativa grandiosa. O RNA é composto por 4 letras do código genético: A, G, C e U. Uma cadeia curta de RNA com 20 letras tem mais de um trilhão de sequências possíveis.
A magnitude de possíveis sequências de RNA guia representa um grande desafio científico, pois encontrar a sequência exata para cada alvo exigiria cálculos exaustivos que levariam anos, mesmo nos supercomputadores mais avançados.
RESULTADOS APLICÁVEIS
Assim como grandes modelos de linguagem são treinados em um vasto corpus de dados para interpretar prompts e gerar respostas prováveis, os biocientistas estão ensinando programas de computador a gerar prováveis candidatos para terapias de RNA.
os gigantes farmacêuticos estão desenvolvendo novos medicamentos com o auxílio da IA generativa e de processamento de linguagem natural.
Eles fazem isso treinando modelos, usando milhões de dados mensurados de forma experimental. Esses prováveis candidatos podem então ser testados em laboratório, acelerando bastante o tempo para obtenção dos resultados.
Uma das magias de um programa como o DALL-E 2 é que ele consegue produzir resultados inesperados e fantásticos – uma fada cavalgando um unicórnio ou um coelho sentado na mesa de jantar.
Mas os cientistas precisam de resultados que possam ser aplicados de forma prática no mundo real. Por isso, introduzimos restrições em nossos modelos, para garantir que a IA gere apenas projetos realistas de RNA.
Alimentamos “imagens” de sequências reais de RNA guia, com o objetivo de “condicionar” o modelo, além de fornecermos informações sobre a sua eficácia quando testadas. Com esses dados, o modelo pode gerar novos RNAs-guia que nunca foram vistos antes, mas que são plausíveis.
EXPLOSÃO DE POSSIBILIDADES
Nessa mesma linha, outros grupos estão usando IA generativa para solucionar diferentes desafios. Uma equipe de pesquisa da Universidade de Toronto publicou suas descobertas sobre o uso de modelos generativos para projetar novas proteínas.
A Stability AI, que criou o sistema Stable Diffusion (para transformar texto em imagem), está apoiando um esforço chamado OpenBioML. Seu objetivo é desenvolver uma IA capaz de gerar sequências de DNA funcionais e produtos químicos a partir de prompts de texto.
A magnitude de possíveis sequências de RNA guia representa um grande desafio científico.
Além disso, os gigantes farmacêuticos estão desenvolvendo novos medicamentos com o auxílio da IA generativa e de mecanismos de processamento de linguagem natural. Paralelamente, as empresas de biotecnologia estão aproveitando a IA generativa de maneiras criativas para acelerar o design de novas proteínas e a descoberta de medicamentos.
Usamos modelos do tipo difusão em minha empresa, mas ainda não estamos preocupados com prompts de texto. Em vez de pegar um corpus de texto e associá-lo a uma imagem, pegamos um de perfis de edição experimentais, os associamos a “imagens” de RNA guia e depois as usamos para gerar novas sequências. O modelo pode gerar soluções de RNA guia ainda melhores, que corrigem mutações com precisão excepcional.
A longo prazo, a IA generativa tornará os medicamentos mais eficazes e acessíveis. Hoje, muitas drogas e terapias genéticas são proibitivamente caras. A descoberta e o design de medicamentos habilitados para IA generativa, assim como as inovações na fabricação e na administração de medicamentos, prometem mudar isso.
Com cientistas trabalhando em conjunto com ferramentas de IA, grandes avanços, que farão muita diferença para a saúde dos pacientes, estão chegando.
