PHAARM MatchMaker®: inovação na descoberta de medicamentos
Por muito tempo, o princípio “one target, one drug” tem sido a estratégia dominante em fluxogramas dedrug discovery, baseado na premissa que medicamentos direcionados para um únicotarget biológico podem evitar efeitos colaterais, decorrentes da ligação com outrostargets biológicos (efeitosoff-target). Embora vários medicamentossingle-target tenham sido clinicamente eficazes, a experiência mostrou que a seletividade excessiva pode, às vezes, ter eficácia limitada contra doenças complexas e até consequências fatais.
Ao longo das décadas, inovações e tecnologias de ponta geraram grandes quantidades de dados de bioensaios, movendo o campo dedrug discovery para obig data. Muitos métodosin silicoforam desenvolvidos para abordar odesignde medicamentosmulti-target orientado por dados. No entanto, a maioria dos exemplosin silico são orientados para um únicotarget. Assim, há a necessidade de tecnologias inovadoras para lidar com dados complexos e transformá-los em informações úteis, oferecendo um meio para decisões baseadas em dados e o consequente desenvolvimento de medicamentos multi-target com ação de amplo espectro.
Para enfrentar os desafios e suprir tais necessidades, a InsilicAll com sua tecnologia nacional exclusiva e proprietária, entrega produtos dehard scienceem uma interfaceuser friendly. Embarcados em plataforma SaaS integrada à inteligência artificial, é possível utilizar programas variados que, quando aplicados em conjunto, resultam em análises mais precisas e multifocais. Um dos nossos produtos é o PHAARM MatchMaker®, umsoftware inovador que usa tecnologia de polifarmacologia de ponta para montar padrões de assinatura molecular e biológica exclusiva de um composto químico.
Essa abordagem inovadora combina química, biologia e toxicologia de maneira coesa e usa redes neurais profundas para inferir assinaturas moleculares, biológicas e toxicológicas para qualquer composto de interesse, mesmo quando pouca ou nenhuma informação experimental está disponível.Também visa disponibilizar as associações quantitativas de genes e doenças, propiciando a descoberta de novas substâncias e otimizaçãohit-to-lead e lead optimization de substâncias com perfil polifarmacológico, diminuindo os efeitos colaterais e adversos.
Sistemas de deep learningexplorados na descoberta de medicamentos multi-target.
(A) Uso do imatinib, um inibidor multiquinase, comercializado como modelo para avaliação dos padrões de “assinatura biológica” pelo PHAARM MatchMaker®. (B) Foi criado um scaffold hopping(template) para o target compounda partir do design de novo,com a modelagem generativa baseada em forma 3D, para obter os compostos gerados por IA com forma semelhante e características farmacofóricas. (C) Determinação da forma 3D e semelhanças eletrostáticas (ESP-Sim Carbo) para o projeto de compostos similares. (D) Geração dos padrões de “assinatura molecular e biológica” para novos compostos projetados com inibição multiquinase prevista. Os compostos compartilham uma grande subestrutura comum.
O uso de inteligência artificial e sistemas baseados em abordagens demachine learningedeep learning na fabricação de compostos que atingem váriostargets – magic shotgun compounds,tem um enorme potencial para revolucionar o campo dedrug discovery. Esses sistemas inteligentes permitem que os computadores criem novas estruturas químicas e revejam suas propriedadesmulti-targetpor um baixo custo e com eficiência de tempo.
No início do surto de SARS-CoV-2, em uma colaboração aberta para encontrar “medicamentos antigos” contra o vírus, empregamos osoftwarePHAARM MatchMaker® para configurar o padrões de assinatura molecular e biológica, uma abordagem que poderia unir a química e a biologia no longo e difícil caminho da descoberta de medicamentos. Outros exemplos de casos de uso dosoftware incluem: (a) modelos de exploradores de terapia focados em doenças ou multi-targets, bem como afinidadeoff-target; (b) encontrar oportunidades de reaproveitamento de medicamentos, pesquisando assinaturas biológicas com características de polifarmacologia compartilhadas; (c)scaffold hoppingpara encontrar novos produtos químicos não patenteados com propriedades semelhantes ou superiores aos respectivos compostos aprovados para uso clínico; e muitos outros, leia mais sobre eles em nosso artigo “Artificial intelligence systems for the design of magic shotgun drugs”.
Com a capacidade de identificar e analisar essas relações complexas, nossosoftware fornece um recurso valioso para pesquisadores e profissionais que trabalham na área de desenvolvimento de medicamentos e toxicologia preditiva, oferecendo uma compreensão abrangente do perfil toxicológico multibiológico de um produto químico, incluindo sua resposta potencial a doenças específicas.
