As proteínas quinases são alvos terapêuticos cruciais, mas o desenvolvimento de inibidores seletivos é um processo lento e dispendioso.

O modelo MMCLKin utiliza IA para prever com alta precisão a afinidade e seletividade destes inibidores, mesmo em casos com estruturas desconhecidas ou mutações. “Este trabalho propõe o modelo MMCLKin, uma estrutura baseada em métodos de IA avançada, concebida para prever com elevada precisão e interpretabilidade a atividade e seletividade de inibidores de quinases”, explicou a investigadora.

A eficácia do modelo foi validada experimentalmente: cinco compostos sugeridos pelo MMCLKin demonstraram inibir eficazmente uma mutação associada a doenças neurodegenerativas.

Esta abordagem representa um avanço na aplicação da IA à farmacologia, permitindo reproduzir em computador processos biológicos complexos que, experimentalmente, poderiam demorar décadas.

A capacidade de identificar rapidamente candidatos terapêuticos promissores pode reduzir drasticamente o tempo e o custo da investigação, abrindo caminho para o desenvolvimento de terapias personalizadas.