Um estudo recente mostra como as ferramentas de IA podem ser usadas para descriptografar redes de virulência bacteriana. Muitas bactérias causadoras de doenças usam uma “seringa” molecular para injetar uma infinidade de suas proteínas, chamadas efetoras, nas células intestinais, bloqueando assim as principais respostas imunológicas.
Agora, uma equipe internacional de cientistas do Reino Unido, Israel e Espanha, com a participação da Universidade Politécnica de Madrid (UPM), uniu forças para analisar todas essas moléculas de proteína juntas, combinando experimentos de laboratório e ferramentas de inteligência artificial (IA) .
AI pode ser usado para descriptografar redes de virulência bacteriana
Os autores, que publicaram seu estudo na revista Science, usaram 100 variantes da bactéria Citrobacter rodentium de camundongo para modelar a função dos efetores. Eles descobriram que trabalham juntos como uma rede, permitindo ao micróbio grande flexibilidade para escapar do sistema imunológico e manter sua patogenicidade.
A plataforma de IA previu corretamente os resultados da colonização de redes alternativas a partir dos dados in vivo. Os pesquisadores da UPM, o professor de IA Alfonso Rodríguez-Patón e a aluna de doutorado Elena Núñez Berrueco usaram os dados coletados no laboratório para construir o modelo de aprendizado de máquina.
Os pesquisadores estão testando ferramentas de IA
O número de combinações possíveis de efetores ultrapassa um bilhão, portanto, estudar todas as variantes levaria mais de mil anos de pesquisa experimental. É aí que entra a IA para mudar as regras e tornar possível decifrar esse mecanismo complexo. O algoritmo desenvolvido na UPM é capaz de prever a capacidade infecciosa de qualquer variante após aprender os padrões dos 100 experimentos de laboratório.
“Ao estudar um sistema biológico tão complexo, a IA é capaz de ver o que não é óbvio aos nossos olhos”, explica Núñez. “As previsões nos ajudam a identificar as combinações de efetores mais relevantes e, assim, economizar tempo e recursos. Podemos usar este modelo para prever se e como uma nova cepa, com uma combinação diferente de efetores daqueles estudados, pode manipular nossas células. ”
O algoritmo é inspirado em redes neurais artificiais, mas incorpora conhecimento sobre os alvos dos efetores. A arquitetura dessa rede tem uma peculiaridade: ao invés de ser genérica, ela tem a mesma forma que a rede de interações biológicas de efetores com os componentes de nossas células. Isso permitiu treinar a rede com um número muito pequeno de casos, resultando em um modelo com resultados interpretáveis (o chamado IA explicável).
Com a ajuda do modelo, os cientistas foram capazes de direcionar novos experimentos para as variantes mais interessantes. Assim, eles conseguiram descobrir pequenos grupos dessas moléculas que são essenciais. Isso significa que, quando são eliminadas ou bloqueadas, as bactérias não infectam, fornecendo um alvo promissor para tratamentos futuros para ajudar a derrotar esses invasores ágeis.
Novas terapias podem estar a caminho
De fato, os autores também observaram que o camundongo hospedeiro é adaptativo, podendo contornar os obstáculos erguidos pelas diferentes redes efetoras e ativar respostas imunes complementares que eliminam o patógeno e induzem imunidade protetora.
Rodríguez-Patón conclui: “A inteligência artificial está mais uma vez se mostrando uma tecnologia disruptiva, neste caso no campo da microbiologia. Essa pesquisa interdisciplinar exigiu que desenvolvêssemos novas técnicas de IA para desvendar a complexa rede de sinais moleculares que as bactérias usam para nos infectar. Os resultados obtidos são muito satisfatórios, por isso continuaremos a colaborar com o grupo de Gad Frankel – um dos principais autores – no Imperial College London em pesquisas futuras. ”