A investigação, publicada na Nature Communications, representa um avanço significativo para acelerar a otimização de terapias para doenças como o cancro e patologias neurodegenerativas. O trabalho de Yanan Tian foca-se nas proteínas quinases, uma classe de alvos terapêuticos crucial na investigação biomédica, mas cujo desenvolvimento de inibidores seletivos é um processo complexo e dispendioso.

O modelo desenvolvido, designado MMCLKin, utiliza métodos avançados de IA para superar estes desafios. Segundo Yanan Tian, a estrutura foi “concebida para prever com elevada precisão e interpretabilidade a atividade e seletividade de inibidores de quinases, acelerando significativamente o processo de descoberta e otimização de novos fármacos direcionados”. O MMCLKin combina redes de grafos geométricos e modelos de linguagem para identificar as características críticas das interações entre as quinases e os fármacos, superando os métodos existentes.

O poder preditivo do modelo foi validado através de ensaios biológicos, que confirmaram que cinco compostos sugeridos pelo MMCLKin inibem eficazmente a mutação LRRK2 G2019S, associada a doenças neurodegenerativas.

Esta validação experimental reforça o potencial da ferramenta para reduzir drasticamente o tempo e o custo da investigação farmacêutica, permitindo a identificação rápida de candidatos terapêuticos promissores e abrindo caminho para o desenho de terapias mais personalizadas e eficazes.