Antes da pandemia do coronavírus, o bioengenheiro Jim Collins e sua equipe combinaram o poder da IA com a biologia sintética, em um esforço ...
Antes da pandemia do coronavírus, o bioengenheiro Jim Collins e sua equipe combinaram o poder da IA com a biologia sintética, em um esforço para combater uma crise iminente: superbactérias resistentes a antibióticos. Collins explica como eles concentraram seus esforços para começar a desenvolver uma série de ferramentas e compostos antivirais para ajudar a combater a COVID-19, e compartilha seu plano para descobrir sete novas classes de antibióticos nos próximos sete anos (Esse plano ambicioso faz parte do The Audacious Project, a iniciativa do TED de inspirar e financiar mudanças globais).
Como vamos vencer esse novo coronavírus? Usando nossas melhores ferramentas: nossa ciência e nossa tecnologia. No meu laboratório, usamos ferramentas de inteligência artificial e biologia sintética para acelerar a luta contra essa pandemia. O trabalho foi originalmente projetado para enfrentar a crise de resistência aos antibióticos. Nosso projeto busca aproveitar o poder do aprendizado de máquina para repor nosso arsenal de antibióticos e evitar uma era pós-antibiótica globalmente devastadora. Sobretudo, a mesma tecnologia pode ser usada para procurar compostos antivirais que poderiam nos ajudar a combater a pandemia atual.
Aprendizado de máquina está revolucionando o modelo tradicional de descoberta de medicamentos. Com essa abordagem, em vez de testar meticulosamente milhares de moléculas existentes, uma por uma, pela sua eficácia em um laboratório, podemos treinar um computador pra explorar o espaço exponencialmente maior de essencialmente todas as moléculas possíveis que poderiam ser sintetizadas, e, assim:
Recentemente, usamos aprendizado de máquina para descobrir novos antibióticos que podem nos ajudar a combater as infecções bacterianas que podem ocorrer em conjunto com infecções por SARS-CoV-2. Há dois meses, o Audacious Project do TED aprovou financiamento pra ampliarmos intensamente nosso trabalho com o objetivo de descobrir sete novas classes de antibióticos contra sete dos patógenos bacterianos mortais do mundo nos próximos sete anos. Para contextualizar: o número de novas classes de antibióticos descobertas nas últimas três décadas é zero.
Embora a busca por novos antibióticos seja para o nosso futuro a médio prazo, o novo coronavírus representa uma ameaça mortal imediata, e fico feliz em dizer que acreditamos que podemos usar a mesma tecnologia para procurar terapêuticas para combater esse vírus. Então, como vamos fazer isso? Estamos criando uma biblioteca de treinamento composto, com colaboradores que aplicam as moléculas em células infectadas com SARS-CoV-2 para ver quais delas exibem atividade efetiva. Usaremos esses dados para treinar um modelo de aprendizado de máquina, o qual será aplicado a uma biblioteca "in silico" de mais de 1 bilhão de moléculas para procurar potenciais novos compostos antivirais. Vamos sintetizar e testar as principais previsões e encaminhar os candidatos mais promissores para a clínica.
Parece bom demais para ser verdade? Bem, não deveria. O "Antibiotics AI Project" é baseado na pesquisa de prova de conceito que levou à descoberta de um novo antibiótico de amplo espectro chamado Halocin. O Halocin tem atividade antibacteriana potente contra quase todos os patógenos bacterianos resistentes a antibióticos, incluindo infecções pan-resistentes intratáveis. Mas ao contrário dos antibióticos atuais, a frequência com que bactérias desenvolvem resistência contra o Halocin é notavelmente baixa. Testamos a capacidade das bactérias de desenvolver resistência contra Halocin e contra Cipro no laboratório. No caso do Cipro, depois de só um dia, vimos resistência. No caso do Halocin, depois de um dia, não houve resistência.
Neste projeto piloto, primeiro testamos cerca de 2,5 mil compostos contra E. coli. Esse conjunto de estudo incluía antibióticos conhecidos, como Cipro e penicilina, bem como medicamentos que não são antibióticos. Usamos esses dados para treinar um modelo para aprender características moleculares associadas à atividade antibacteriana. Nós os usamos numa biblioteca de reaproveitamento de medicamentos contendo vários milhares de moléculas e pedimos ao modelo para identificar moléculas que se prevê terem propriedades antibacterianas, mas não se parecem com antibióticos existentes.
Curiosamente, apenas uma molécula nessa biblioteca se encaixa nesses critérios, e ela acabou por ser o próprio Halocin. Dado que ele não se parece com nenhum antibiótico existente, teria sido impossível para um ser humano, incluindo um especialista em antibióticos, identificá-lo dessa maneira. Imagine agora o que poderíamos fazer com esta tecnologia contra o SARS-CoV-2.
E isso não é tudo. Também estamos usando as ferramentas da biologia sintética, ajustando DNA e outras máquinas celulares, para servir a propósitos humanos, como combater a COVID-19, e estamos trabalhando para desenvolver uma máscara protetora que também possa servir como teste rápido de diagnóstico. Então, como isso funciona? Mostramos recentemente que podemos tirar a maquinaria celular de uma célula viva e liofilizá-la junto com sensores de RNA no papel para criar diagnósticos de baixo custo para o Ebola e o Zika. Os sensores são ativados quando são reidratados por uma amostra de paciente que poderia consistir em sangue ou saliva, por exemplo. Mas esta tecnologia não se limita ao papel e pode ser aplicada a outros materiais, incluindo tecidos.
Para a pandemia de COVID-19, estamos projetando sensores de RNA para detectar o vírus e liofilizá-los juntamente com as máquinas celulares necessárias no tecido de uma máscara facial, na qual o simples ato de respirar, junto com o vapor de água da respiração, pode ativar o teste. Assim, se um paciente estiver infectado com SARS-CoV-2, a máscara produzirá um sinal fluorescente que poderia ser detectado por um dispositivo portátil simples e barato. Em uma ou duas horas, um paciente poderia ser diagnosticado de forma segura, remota e precisa.
Também estamos usando biologia sintética para projetar uma vacina candidata ao COVID-19. Estamos redirecionando a vacina BCG, usada contra a tuberculose há quase um século. É uma vacina viva atenuada, e a estamos projetando para expressar antígenos SARS-CoV-2, que devem desencadear a produção de anticorpos protetores pelo sistema imunológico. É importante ressaltar que a BCG é massivamente escalável e possui um perfil de segurança entre os melhores de qualquer vacina relatada.
Este trabalho está nos estágios iniciais, mas a promessa é real. Ciência e tecnologia podem nos dar uma vantagem importante na batalha da inteligência humana contra os genes das superbactérias, uma batalha que podemos vencer.
Obrigado.
Fonte: TED
[Visto no Brasil Acadêmico]
Como vamos vencer esse novo coronavírus? Usando nossas melhores ferramentas: nossa ciência e nossa tecnologia. No meu laboratório, usamos ferramentas de inteligência artificial e biologia sintética para acelerar a luta contra essa pandemia. O trabalho foi originalmente projetado para enfrentar a crise de resistência aos antibióticos. Nosso projeto busca aproveitar o poder do aprendizado de máquina para repor nosso arsenal de antibióticos e evitar uma era pós-antibiótica globalmente devastadora. Sobretudo, a mesma tecnologia pode ser usada para procurar compostos antivirais que poderiam nos ajudar a combater a pandemia atual.
Aprendizado de máquina está revolucionando o modelo tradicional de descoberta de medicamentos. Com essa abordagem, em vez de testar meticulosamente milhares de moléculas existentes, uma por uma, pela sua eficácia em um laboratório, podemos treinar um computador pra explorar o espaço exponencialmente maior de essencialmente todas as moléculas possíveis que poderiam ser sintetizadas, e, assim:
Em vez de procurar uma agulha no palheiro, podemos usar o imã gigante do poder da computação para encontrar muitas agulhas em vários palheiros, simultaneamente.
Recentemente, usamos aprendizado de máquina para descobrir novos antibióticos que podem nos ajudar a combater as infecções bacterianas que podem ocorrer em conjunto com infecções por SARS-CoV-2. Há dois meses, o Audacious Project do TED aprovou financiamento pra ampliarmos intensamente nosso trabalho com o objetivo de descobrir sete novas classes de antibióticos contra sete dos patógenos bacterianos mortais do mundo nos próximos sete anos. Para contextualizar: o número de novas classes de antibióticos descobertas nas últimas três décadas é zero.
Embora a busca por novos antibióticos seja para o nosso futuro a médio prazo, o novo coronavírus representa uma ameaça mortal imediata, e fico feliz em dizer que acreditamos que podemos usar a mesma tecnologia para procurar terapêuticas para combater esse vírus. Então, como vamos fazer isso? Estamos criando uma biblioteca de treinamento composto, com colaboradores que aplicam as moléculas em células infectadas com SARS-CoV-2 para ver quais delas exibem atividade efetiva. Usaremos esses dados para treinar um modelo de aprendizado de máquina, o qual será aplicado a uma biblioteca "in silico" de mais de 1 bilhão de moléculas para procurar potenciais novos compostos antivirais. Vamos sintetizar e testar as principais previsões e encaminhar os candidatos mais promissores para a clínica.
Parece bom demais para ser verdade? Bem, não deveria. O "Antibiotics AI Project" é baseado na pesquisa de prova de conceito que levou à descoberta de um novo antibiótico de amplo espectro chamado Halocin. O Halocin tem atividade antibacteriana potente contra quase todos os patógenos bacterianos resistentes a antibióticos, incluindo infecções pan-resistentes intratáveis. Mas ao contrário dos antibióticos atuais, a frequência com que bactérias desenvolvem resistência contra o Halocin é notavelmente baixa. Testamos a capacidade das bactérias de desenvolver resistência contra Halocin e contra Cipro no laboratório. No caso do Cipro, depois de só um dia, vimos resistência. No caso do Halocin, depois de um dia, não houve resistência.
Surpreendentemente, depois de até 30 dias, não vimos nenhuma resistência contra ele.
Neste projeto piloto, primeiro testamos cerca de 2,5 mil compostos contra E. coli. Esse conjunto de estudo incluía antibióticos conhecidos, como Cipro e penicilina, bem como medicamentos que não são antibióticos. Usamos esses dados para treinar um modelo para aprender características moleculares associadas à atividade antibacteriana. Nós os usamos numa biblioteca de reaproveitamento de medicamentos contendo vários milhares de moléculas e pedimos ao modelo para identificar moléculas que se prevê terem propriedades antibacterianas, mas não se parecem com antibióticos existentes.
Curiosamente, apenas uma molécula nessa biblioteca se encaixa nesses critérios, e ela acabou por ser o próprio Halocin. Dado que ele não se parece com nenhum antibiótico existente, teria sido impossível para um ser humano, incluindo um especialista em antibióticos, identificá-lo dessa maneira. Imagine agora o que poderíamos fazer com esta tecnologia contra o SARS-CoV-2.
E isso não é tudo. Também estamos usando as ferramentas da biologia sintética, ajustando DNA e outras máquinas celulares, para servir a propósitos humanos, como combater a COVID-19, e estamos trabalhando para desenvolver uma máscara protetora que também possa servir como teste rápido de diagnóstico. Então, como isso funciona? Mostramos recentemente que podemos tirar a maquinaria celular de uma célula viva e liofilizá-la junto com sensores de RNA no papel para criar diagnósticos de baixo custo para o Ebola e o Zika. Os sensores são ativados quando são reidratados por uma amostra de paciente que poderia consistir em sangue ou saliva, por exemplo. Mas esta tecnologia não se limita ao papel e pode ser aplicada a outros materiais, incluindo tecidos.
Para a pandemia de COVID-19, estamos projetando sensores de RNA para detectar o vírus e liofilizá-los juntamente com as máquinas celulares necessárias no tecido de uma máscara facial, na qual o simples ato de respirar, junto com o vapor de água da respiração, pode ativar o teste. Assim, se um paciente estiver infectado com SARS-CoV-2, a máscara produzirá um sinal fluorescente que poderia ser detectado por um dispositivo portátil simples e barato. Em uma ou duas horas, um paciente poderia ser diagnosticado de forma segura, remota e precisa.
Também estamos usando biologia sintética para projetar uma vacina candidata ao COVID-19. Estamos redirecionando a vacina BCG, usada contra a tuberculose há quase um século. É uma vacina viva atenuada, e a estamos projetando para expressar antígenos SARS-CoV-2, que devem desencadear a produção de anticorpos protetores pelo sistema imunológico. É importante ressaltar que a BCG é massivamente escalável e possui um perfil de segurança entre os melhores de qualquer vacina relatada.
Com as ferramentas da biologia sintética e da inteligência artificial, podemos vencer a luta contra esse novo coronavírus.
Este trabalho está nos estágios iniciais, mas a promessa é real. Ciência e tecnologia podem nos dar uma vantagem importante na batalha da inteligência humana contra os genes das superbactérias, uma batalha que podemos vencer.
Obrigado.
Fonte: TED
[Visto no Brasil Acadêmico]
Comentários