Integrando abordagens de descoberta de fármacos baseadas em fenótipos e em alvos, impulsionadas por IA, para descobrir candidatos a fármacos potentes contra a leishmaniose

• Processo: 25/11727-6
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de janeiro de 2026
• Data de Término da vigência: 31 de dezembro de 2028
• Área do conhecimento: Ciências Biológicas - Parasitologia - Protozoologia de Parasitos
• Pesquisador responsável: Ariel Mariano Silber
• Beneficiário: Ariel Mariano Silber
• Pesquisador Responsável no exterior: Huanxiang Liu
• Instituição Parceira no exterior: Macau Polytechnic University , China
• Instituição Sede: Instituto de Ciências Biomédicas (ICB). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Município da Instituição Sede: São Paulo
• Pesquisadores associados: Beatriz Simonsen Stolf ; Henry H Y Tong
• Assunto(s): Leishmaniose Desenvolvimento de fármacos
• Palavra(s)-Chave do Pesquisador: Alvos metabólicos | Leishmaniasis | Trypanosomatídeos | Desenvolvimento de fármacos

Resumo

Leishmaniose, uma doença tropical infecciosa negligenciada, representa uma grave ameaça à saúde pública em 99 países e regiões endêmicos. Embora há terapias disponíveis, ainda faltam alternativas seguros e eficazes a custos razoáveis. Há uma necessidade urgente de desenvolver novas terapias que sejam seguras, potentes, biodisponíveis por via oral, econômicas e capazes de superar parasitas Leishmania resistentes a medicamentos. Para enfrentar esse desafio, este projeto propõe uma estratégia integrada de descoberta de fármacos baseada em inteligência artificial (IA), combinando triagem fenotípica e métodos de desenho de fármacos baseado em alvos para descobrir candidatos a medicamentos antileishmania. Nossa estratégia abrange quatro componentes principais: 1. Triagem fenotípica de alto rendimento de bibliotecas de compostos para identificar agentes antileishmania ativos e gerar conjuntos de dados robustos para modelagem de IA. 2. Desenvolvimento de modelos de predição de atividade baseados em machine learning, combinados com triagem virtual multiescala (HTVS ¿ SP ¿ XP) para priorizar compostos candidatos. 3. Validação experimental: Avaliação in vitro e in vivo dos compostos candidatos para confirmar eficácia e priorizar a otimização de leads. 4. Desenho racional de fármacos: Otimização de leads por meio de buscas baseadas em similaridade, desenho de bibliotecas combinatórias e um modelo de geração molecular multiobjetivo para aprimorar potência, propriedades farmacocinéticas e viabilidade sintética. Os resultados fornecerão paradigmas inovadores de descoberta de fármacos e candidatos promissores contra a leishmaniose. Essa abordagem integrada não apenas preenche lacunas críticas no desenvolvimento de fármacos antileishmania, mas também estabelece um modelo transformador para a descoberta de medicamentos contra doenças tropicais negligenciadas. (AU)