{"id":3622,"date":"2025-05-26T16:11:58","date_gmt":"2025-05-26T19:11:58","guid":{"rendered":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/?p=3622"},"modified":"2025-09-08T15:01:54","modified_gmt":"2025-09-08T18:01:54","slug":"como-a-inteligencia-artificial-pode-auxiliar-no-combate-ao-parkinson","status":"publish","type":"post","link":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/2025\/05\/26\/como-a-inteligencia-artificial-pode-auxiliar-no-combate-ao-parkinson","title":{"rendered":"Como a intelig\u00eancia artificial pode auxiliar no combate ao Parkinson"},"content":{"rendered":"\n

A doen\u00e7a de Parkinson \u00e9 marcada pela perda lenta e cont\u00ednua de neur\u00f4nios que produzem dopamina, um neurotransmissor que atua como um \u201clubrificante\u201d qu\u00edmico, auxiliando nosso c\u00e9rebro a coordenar movimentos. Uma das principais vil\u00e3s desse processo \u00e9 a prote\u00edna \u03b1-sinucle\u00edna, que costuma ficar solta e inofensiva dentro das c\u00e9lulas, mas em certas circunst\u00e2ncias se amontoa formando fibrilas t\u00f3xicas. Impedir esse ajuntamento sempre foi um desafio, porque identificar o contorno tridimensional da prote\u00edna que indica onde um medicamento pode se encaixar exigia meses de experimentos caros em laborat\u00f3rios de cristalografia.<\/span><\/p>\n

At\u00e9 pouco tempo, determinar a forma de uma prote\u00edna era uma tarefa extremamente demorada. Primeiro, os cientistas precisavam produzir litros da prote\u00edna em bact\u00e9rias ou c\u00e9lulas de mam\u00edfero e depois purific\u00e1-la at\u00e9 ficar quase 100% livre de impurezas. Em seguida, era necess\u00e1rio induzir a cristaliza\u00e7\u00e3o da prote\u00edna e obter pequenos cristais ordenados, tarefa delicada que podia exigir semanas de tentativas, pois cada prote\u00edna requer condi\u00e7\u00f5es espec\u00edficas de temperatura, sal e pH para se organizar. Quando o cristal finalmente crescia, ele era colocado diante de um feixe de raios X potente; os raios se espalhavam e geravam um padr\u00e3o de pontinhos de luz num detector. Com base nesses pontinhos, computadores calculavam um mapa de densidade eletr\u00f4nica que os pesquisadores precisavam interpretar \u00e1tomo por \u00e1tomo, ajustando um modelo 3D at\u00e9 ele \u201cencaixar\u201d no mapa. Todo esse percurso podia levar meses ou at\u00e9 anos e custava caro, exigindo equipamentos de grande porte.<\/span><\/p>\n

Com o avan\u00e7o das intelig\u00eancias artificiais nos \u00faltimos anos, esse processo passou por uma grande mudan\u00e7a. Algoritmos como o\u00a0AlphaFold\u00a02 conseguem prever, em quest\u00e3o de minutos, a estrutura 3D da \u03b1-sinucle\u00edna apenas lendo a sequ\u00eancia de seus amino\u00e1cidos. \u00c9 como ter um modelo digital\u00a0da prote\u00edna\u00a0pronto para inspe\u00e7\u00e3o, sem precisar cultivar cristais ou usar grandes m\u00e1quinas de raios X. Com esse molde em m\u00e3os, programas de IA treinados em qu\u00edmica compararam milh\u00f5es de mol\u00e9culas virtuais e calcularam quais delas se\u00a0encaixariam\u00a0melhor nos \u201cbols\u00f5es\u201d identificados na superf\u00edcie da prote\u00edna. Assim, a triagem que antes exigia testar milhares de subst\u00e2ncias em laborat\u00f3rio passou a selecionar poucas dezenas de op\u00e7\u00f5es que pudessem cumprir o objetivo.<\/span><\/p>\n

\"\"\"Estrutura<\/p>\n

Estrutura tridimensional da \u03b1-sinucle\u00edna prevista pelo\u00a0<\/span>AlphaFold<\/span>\u00a02.<\/span><\/strong><\/p>\n

Fonte: Sino Biological,\u00a0Alpha-Synuclein Protein Overview<\/span><\/p>\n

\u00a0<\/p>\n

Em 2024, um grupo da Universidade de Cambridge mostrou como essa abordagem ajuda diretamente na procura de rem\u00e9dios contra o Parkinson. Eles pegaram o modelo 3D da \u03b1-sinucle\u00edna (previsto pelo AlphaFold 2) e, como se fosse um mapa, marcaram os \u201cburaquinhos\u201d onde\u00a0uma mol\u00e9cula candidata\u00a0poderia se encaixar e impedir que a prote\u00edna se juntasse\u00a0em placas. Depois, deixaram o computador \u201cfolhear\u201d uma biblioteca digital com cinco milh\u00f5es de mol\u00e9culas, e em poucas horas, a intelig\u00eancia artificial apontou quais pareciam caber melhor nesses buraquinhos. As dez melhores foram ent\u00e3o sintetizadas em laborat\u00f3rio e testadas numa solu\u00e7\u00e3o que cont\u00e9m \u03b1-sinucle\u00edna. Cinco delas funcionaram muito bem, reduzindo em cerca de 70% a forma\u00e7\u00e3o das\u00a0fibrilas\u00a0t\u00f3xicas, mesmo quando usadas em quantidades min\u00fasculas. Todo esse processo levou apenas algumas semanas e custou uma pequena fra\u00e7\u00e3o do m\u00e9todo tradicional, que exigiria testar subst\u00e2ncia por subst\u00e2ncia \u00e0 m\u00e3o. Esse exemplo mostra, de forma bem concreta, como conhecer a \u201cforma\u201d da prote\u00edna gra\u00e7as \u00e0 IA encurta e barateia o caminho at\u00e9 poss\u00edveis medicamentos, como ilustrado na imagem a seguir.<\/p>\n

\u00a0<\/p>\n

\"\"\"Pipeline<\/p>\n

Pipeline de descoberta de f\u00e1rmacos guiado por intelig\u00eancia artificial, do modelo computacional ao ensaio cl\u00ednico.<\/span><\/strong><\/p>\n

Fonte: Zhang et al. (2020)<\/span><\/p>\n

\u00a0<\/p>\n

Entretanto, \u00e9 necess\u00e1rio refor\u00e7ar que a \u00a0acelera\u00e7\u00e3o proporcionada pela intelig\u00eancia artificial n\u00e3o dispensa o rigor cient\u00edfico. Cada resultado obtido no computador precisa ser confirmado por t\u00e9cnicas experimentais, que v\u00e3o desde microscopia de alta resolu\u00e7\u00e3o at\u00e9 ensaios celulares e testes em modelos animais, para garantir que o efeito previsto realmente se manifeste no organismo.<\/span><\/p>\n

Ademais, h\u00e1 a preocupa\u00e7\u00e3o com a quest\u00e3o das \u201ccaixas-pretas\u201d, em que muitos algoritmos apresentam a solu\u00e7\u00e3o sem revelar com clareza o racioc\u00ednio interno, dificultando compreender por que um candidato foi priorizado e outro descartado. Se aplicado o rigor \u00e9tico necess\u00e1rio \u00e0 sua utiliza\u00e7\u00e3o, a perspectiva geral \u00e9 positiva, pois ao transformar o antigo m\u00e9todo de tentativa e erro em uma busca guiada por modelos precisos, a IA acelera resultados, economiza recursos e aproxima a ci\u00eancia de terapias verdadeiramente eficazes para a grande parcela da popula\u00e7\u00e3o que convive com o Parkinson.<\/span><\/p>\n

\u00a0<\/p>\n

Autor: Renan Bordignon Poy<\/strong><\/p>\n

\u00a0<\/p>\n

Refer\u00eancias:<\/span><\/strong><\/h2>\n

TUNYASUVUNAKOOL, K.\u00a0et al.<\/span>\u00a0Highly accurate protein structure prediction for the human proteome.\u00a0Nature<\/span>, v. 596, p. 590-596, 22 jul. 2021. Dispon\u00edvel em:\u00a0https:\/\/www.nature.com\/articles\/s41586-021-03828-1<\/a><\/span><\/p>\n

BROTZAKIS, Z. F.\u00a0et al.<\/span>\u00a0AlphaFold\u00a0prediction of structural ensembles of disordered proteins.\u00a0Nature Communications<\/span>, v. 16, p. 1632, 14 fev. 2025. Dispon\u00edvel em:\u00a0https:\/\/www.nature.com\/articles\/s41467-025-56572-9<\/a><\/span><\/p>\n

\u00a0UNIVERSITY OF CAMBRIDGE. AI speeds up drug design for Parkinson\u2019s by ten-fold.\u00a0ScienceDaily<\/span>, 17 abr. 2024. Dispon\u00edvel em:\u00a0<\/a>https:\/\/www.sciencedaily.com\/releases\/2024\/04\/240417131018.htm<\/a><\/span>.<\/p>\n

KRISHNA, R.\u00a0et al.<\/span>\u00a0Generalized biomolecular modeling and design with RoseTTAFold All-Atom.\u00a0Science<\/span>, v. 384, n. 6693, eadl2528, 19 abr. 2024. Dispon\u00edvel em:\u00a0https:\/\/www.science.org\/doi\/10.1126\/science.adl2528<\/a><\/span><\/p>\n

BROWNE, G. DeepMind\u2019s AI has finally shown how useful it can be.\u00a0Wired<\/span>, 22 jul. 2021. Dispon\u00edvel em:\u00a0<\/a>https:\/\/www.wired.com\/story\/deepmind-protein-folding-database\/<\/a><\/span>.<\/p>\n

HORNE, R. I.\u00a0et al.<\/span>\u00a0Discovery of potent inhibitors of \u03b1-synuclein aggregation using structure-based iterative learning.\u00a0Nature Chemical Biology<\/span>, v. 20, p. 634-645, 17 abr. 2024. Dispon\u00edvel em:\u00a0https:\/\/doi.org\/10.1038\/s41589-024-01580-x<\/a><\/span>.<\/span><\/p>\n

CALLAWAY, E. AI protein-prediction tool\u00a0AlphaFold\u00a03 is now more open.\u00a0Nature<\/span>, v. 635, p. 531-532, 11 nov. 2024. Dispon\u00edvel em:\u00a0https:\/\/www.nature.com\/articles\/d41586-024-03708-4<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

A doen\u00e7a de Parkinson \u00e9 marcada pela perda lenta e cont\u00ednua de neur\u00f4nios que produzem dopamina, um neurotransmissor que atua como um \u201clubrificante\u201d qu\u00edmico, auxiliando nosso c\u00e9rebro a coordenar movimentos. Uma das principais vil\u00e3s desse processo \u00e9 a prote\u00edna \u03b1-sinucle\u00edna, que costuma ficar solta e inofensiva dentro das c\u00e9lulas, mas em certas circunst\u00e2ncias se amontoa […]<\/p>\n","protected":false},"author":8504,"featured_media":3625,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[124,112],"tags":[202,149],"class_list":["post-3622","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-destaques","category-redacao","tag-ia","tag-redacao"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts\/3622","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/users\/8504"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/comments?post=3622"}],"version-history":[{"count":0,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/posts\/3622\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/media\/3625"}],"wp:attachment":[{"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/media?parent=3622"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/categories?post=3622"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/wp-json\/wp\/v2\/tags?post=3622"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}