A inteligência artificial pode prever e planejar sinapses imunológicas?

• Processo: 24/12890-5
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de outubro de 2024
• Data de Término da vigência: 30 de setembro de 2029
• Área do conhecimento: Ciências Biológicas - Bioquímica - Química de Macromoléculas
• Pesquisador responsável: Helder Veras Ribeiro Filho
• Beneficiário: Helder Veras Ribeiro Filho
• Instituição Sede: Centro Nacional de Pesquisa em Energia e Materiais (CNPEM). Ministério da Ciência, Tecnologia e Inovação (Brasil). Campinas , SP, Brasil
• Assunto(s): Inteligência artificial Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: artificial intelligence | immune recognition | machine learning | protein design | protein interaction | t cell receptors | Interação macromolecular

Resumo

A inteligência artificial (IA) emergiu como uma influência transformadora em vários domínios, impactando nossas vidas diárias. No campo das ciências da vida, a IA tem desempenhado um papel fundamental ao expandir os limites da compreensão científica fundamental. Entre os avanços notáveis está o sucesso do AlphaFold na predição do enovelamento de proteínas. Além da pesquisa fundamental, as aplicações da IA se estendem aos domínios práticos da ciência da saúde, demonstrando seu potencial em prever o risco de doenças.Nesta proposta, nosso objetivo é avaliar as capacidades de métodos baseados em IA na predição e design de sinapses imunológicas, que são mediadas pela interação entre receptores de células T (TCRs) e peptídeos antigênicos apresentados por complexos principais de histocompatibilidade (pMHC). Essa interação desencadeia a ativação das células T, orquestrando respostas imunológicas para combater células tumorais e infectadas.Prever se um TCR pode efetivamente se ligar a um antígeno específico apresentado pelo MHC tem implicações de grande alcance. Isso vai desde o avanço do conhecimento científico fundamental sobre o mecanismo de interação TCRaté aplicações práticas no diagnóstico de doenças, inferindo a especificidade de um TCR sequenciado de pacientes contra antígenos-alvo. Além disso, o sucesso na predição do reconhecimento TCRpode produzir impactos significativos na imunoterapia, permitindo a priorização e seleção de células T a serem usadas como imunoterapias para atacar, por exemplo, células cancerígenas.Para alcançar este objetivo, utilizaremos a crescente quantidade de dados experimentais disponíveis de sequenciamento de TCRs e peptídeos, juntamente com dados de estruturas 3D, para treinar modelos de IA classificadores e gerativos que sejam precisos e generalizáveis. Integraremos as arquiteturas mais recentes de IA com informações biológicas e estruturais sobre a interface de interação TCR. Além disso, utilizaremos representações de antígenos para desenvolver um oráculo de reatividade cruzada capaz de detectar semelhanças de antígenos para o design de vacinas baseadas em TCR. (AU)