Busca avançada
Ano de início
Entree

Estratégia acelerada por inteligência artificial para reposicionamento de fármacos contra COVID-19

Resumo

A chegada da COVID-19 no Brasil em março de 2020, com sua rápida disseminação, crescimento exponencial de casos no mundo e com a elevada letalidade dos pacientes infectados, tem gerado pânico na população, desestruturado os sistemas de saúde público e privado e impactado de maneira negativa na economia do Brasil e do mundo. Embora a busca por uma vacina eficaz seja premente, seu desenvolvimento deve requerer pelo menos um ano e meio ate sua aprovação. Dessa forma, fica evidente a necessidade de descoberta de um tratamento que possa ser aprovado rapidamente para uso nos pacientes infectados. O reposicionamento de fármacos oferece uma abordagem potencialmente mais rápida para identificar fármacos já aprovados para uso em humanos. A inteligência artificial (IA) é uma área de fronteira do conhecimento que permite identificar de compostos potencialmente ativos com propriedades farmacocinéticas e toxicológicas adequadas, levando a maior rapidez, maior taxa de sucesso e menor custo na descoberta de novos fármacos. Nesse contexto, com o intuito de transformar a descoberta de fármacos de um processo lento, sequencial e de alto risco para um modelo rápido, integrado e com risco de falha diminuído, pretende-se com esse projeto desenvolver uma plataforma integrada baseada em inteligência artificial para acelerar o reposicionamento de fármacos já aprovados para uso em humanos para o tratamento da COVID-19 com potencial para rápido desenvolvimento clínico, através da integração de computação de alta performance com dados químicos e biológicos e uso de tecnologias emergentes biotecnológicas e experimentais. Para isso, agregamos diferentes expertises de pesquisadores do Instituto de Biologia da UNICAMP e de outras instituições de pesquisa do Brasil e exterior e utilizaremos uma abordagem multidisciplinar que envolverá o desenvolvimento e aplicação de ferramentas de inteligência artificial para guiar e acelerar o reposicionamento de fármacos em uso clínico com base na inibição da entrada do vírus na célula hospedeira através da inibição da interação entre as proteínas Spike viral e ACE-2 humana e testes de atividade antiviral em cultura de células em laboratório de contenção biológica nível 3. Como dados preliminares, em um artigo aceito para publicação, pesquisadores envolvidos nesta proposta desenvolveram modelos computacionais e realizaram uma triagem virtual baseada em docking de todos os fármacos aprovados pelo FDA (~2,400 fármacos) na glicoproteína viral spike complexada com a proteína humana ACE2, com o grid centrado na interface das duas proteínas. Após o docking, os fármacos foram reordenados usando modelos de aprendizado de máquina desenvolvidos utilizando o algoritmo Bayesiano e descritores fingerprints ECFP6 para dados fenotípicos do SARS-CoV. Ao final desta abordagem, foram selecionados 25 fármacos aprovados que serão submetidos aos ensaios in vitro contra SARS-CoV-2 em células Vero. (AU)

Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o auxílio::
“Não existe dado ruim: ele sempre ajuda a avançar” 
Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (5)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
PUHL, ANA C.; FRITCH, ETHAN J.; LANE, THOMAS R.; TSE, V, LONGPING; YOUNT, BOYD L.; SACRAMENTO, CAROLINA Q.; FINTELMAN-RODRIGUES, NATALIA; TAVELLA, TATYANA ALMEIDA; COSTA, FABIO TRINDADE MARANHAO; WESTON, STUART; et al. Repurposing the Ebola and Marburg Virus Inhibitors Tilorone, Quinacrine, and Pyronaridine: In Vitro Activity against SARS-CoV-2 and Potential Mechanisms. ACS OMEGA, v. 6, n. 11, p. 7454-7468, . (19/27626-3, 17/18611-7, 20/05369-6)
DELAFIORI, JEANY; NAVARRO, LUIZ CLAUDIO; SICILIANO, RINALDO FOCACCIA; DE MELO, GISELY CARDOSO; BRANDT BUSANELLO, ESTELA NATACHA; NICOLAU, JOSE CARLOS; SALES, GEOVANA MANZAN; DE OLIVEIRA, ARTHUR NOIN; ALMEIDA VAL, FERNANDO FONSECA; DE OLIVEIRA, DIOGO NOIN; et al. Covid-19 Automated Diagnosis and Risk Assessment through Metabolomics and Machine Learning. Analytical Chemistry, v. 93, n. 4, p. 2471-2479, . (20/04705-2, 17/12646-3, 20/05369-6, 19/05718-3, 18/10052-1)
GAWRILJUK, VICTOR O.; ZIN, PHYO PHYO KYAW; PUHL, ANA C.; ZORN, KIMBERLEY M.; FOIL, DANIEL H.; LANE, THOMAS R.; HURST, BRETT; TAVELLA, TATYANA ALMEIDA; MARANHAO COSTA, FABIO TRINDADE; LAKSHMANANE, PREMKUMAR; et al. Machine Learning Models Identify Inhibitors of SARS-CoV-2. JOURNAL OF CHEMICAL INFORMATION AND MODELING, v. 61, n. 9, p. 4224-4235, . (20/05369-6, 19/27626-3, 19/25407-2)
PRADO JERONIMO, CHRISTIANE MARIA; LEAO FARIAS, MARIA EDUARDA; ALMEIDA VAL, FERNANDO FONSECA; SAMPAIO, VANDERSON SOUZA; ARAUJO ALEXANDRE, MARCIA ALMEIDA; MELO, GISELY CARDOSO; SAFE, IZABELLA PICININ; SILVA BORBA, MAYLA GABRIELA; ABREU NETTO, REBECA LINHARES; SILVA MACIEL, ALEX BEZERRA; et al. ethylprednisolone as Adjunctive Therapy for Patients Hospitalized With Coronavirus Disease 2019 (COVID-19; Metcovid): A Randomized, Double-blind, Phase IIb, Placebo-controlled Tria. Clinical Infectious Diseases, v. 72, n. 9, p. E373-E381, . (20/05369-6)
PRADO JERONIMO, CHRISTIANE MARIA; LEAO FARIAS, MARIA EDUARDA; ALMEIDA VAL, FERNANDO FONSECA; SAMPAIO, VANDERSON SOUZA; ARAUJO ALEXANDRE, MARCIA ALMEIDA; MELO, GISELY CARDOSO; SAFE, IZABELLA PICININ; SILVA BORBA, MAYLA GABRIELA; ABREU NETTO, REBECA LINHARES; SILVA MACIEL, ALEX BEZERRA; et al. ethylprednisolone as Adjunctive Therapy for Patients Hospitalized With Coronavirus Disease 2019 (COVID-19; Metcovid): A Randomized, Double-blind, Phase IIb, Placebo-controlled Tria. Clinical Infectious Diseases, v. 72, n. 9, p. E373-E381, . (20/05369-6)

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.