Medicamento projetado por inteligência artificial (Imagem ilustrativa do processo). Fonte: Imagem gerada por Gemini, em 09/04/2025.
por Erika Pina Oliveira - Profissão Biotec
A inteligência artificial (IA) está transformando a biotecnologia, reduzindo significativamente o tempo necessário para pesquisas e desenvolvimento de novos medicamentos. Ferramentas de aprendizado de máquina (ML) e modelagem preditiva permitem analisar grandes volumes de dados biológicos, acelerando desde a identificação de alvos terapêuticos até o desenvolvimento de novas moléculas. Com isso, um medicamento que antes levava 10 a 15 anos para ser desenvolvido, agora pode ser criado em menos da metade do tempo.
A IA na biotecnologia já vem proporcionando avanços importantes em diversas frentes, como a descoberta de fármacos, a solução de problemas de toxicidade de moléculas e a melhoria na previsão da estrutura tridimensional de proteínas. Além disso, a tecnologia também tem sido aplicada no reposicionamento de medicamentos, ajudando a encontrar novas indicações para fármacos já existentes.
O artigo "A inteligência artificial acelera pesquisas biotecnológicas: 5 casos de sucesso" ilustra o impacto da IA no setor, veja um resumo:
1 - DSP-1181 – O primeiro medicamento projetado por IA a entrar em testes clínicos. Desenvolvido para tratar Transtorno Obsessivo-Compulsivo (TOC), foi criado em uma colaboração entre Exscientia e Sumitomo Dainippon Pharma. Graças à plataforma Centaur Chemist™, o tempo de triagem dos compostos foi reduzido de quatro ou cinco anos para menos de 12 meses. No entanto, o projeto foi descontinuado em 2021 após os resultados dos testes clínicos de Fase I não atingirem os critérios esperados.
2 - INS018-055 – Primeiro medicamento para fibrose pulmonar idiopática desenvolvido com IA generativa a entrar em Fase II. A empresa Insilico Medicine utilizou sua plataforma PandaOmics para identificar um novo alvo terapêutico e a Chemistry42 para projetar um inibidor específico. Em apenas 18 meses, a empresa concluiu toda a fase de estudos pré-clínicos. O estudo clínico de Fase II começou em 2023 e está previsto para terminar em 2026.
3 - Terbinafina e hepatotoxicidade – A IA foi aplicada para entender os mecanismos por trás da toxicidade hepática causada pela terbinafina, um antifúngico amplamente utilizado. Pesquisadores utilizaram técnicas de aprendizado profundo (Deep Learning) para mapear as vias metabólicas que formavam a toxina TBF-A. Com essa descoberta, foi possível desenvolver estratégias para mitigar os efeitos colaterais e melhorar a segurança do medicamento.
4 - IA aplicada na bioinformática – Modelagem computacional avançada tem sido essencial na predição de estruturas tridimensionais de proteínas, utilizando ferramentas como AlphaFold2 (AF2), ESMFold e RoseTTAFold. Um grupo de pesquisadores em Singapura utilizou o AF2 para prever a estrutura do Domínio Transmembrana (TMD) da proteína E dos Coronavírus, possibilitando novos caminhos para o desenvolvimento de tratamentos antivirais.
5 - Rebec@ – IA generativa aplicada ao registro de pesquisas clínicas – Desenvolvida pela Fiocruz, essa IA auxilia pesquisadores no registro de ensaios clínicos de acordo com as diretrizes da Organização Mundial da Saúde (OMS). O chatbot responde dúvidas sobre documentação, prazos e regras de aprovação, acelerando o processo de submissão de estudos clínicos.
Perspectivas futuras da IA na biotecnologia
Embora a IA esteja revolucionando a biotecnologia, desafios ainda precisam ser superados. A qualidade dos dados biológicos, a padronização na anotação de sequências genéticas e proteicas e as questões éticas relacionadas à privacidade dos pacientes são obstáculos que exigem atenção. Além disso, a regulamentação de ferramentas baseadas em IA deve garantir segurança e equidade no acesso aos avanços médicos.
Ainda assim, a combinação entre IA, inovação e colaboração multidisciplinar promete acelerar descobertas na medicina personalizada, desenvolvimento de novos medicamentos e melhoria da eficácia dos tratamentos, moldando o futuro da biotecnologia.
OLIVEIRA, E. P. A inteligência artificial acelera pesquisas biotecnológicas: 5 casos de sucesso. Revista Blog do Profissão Biotec, v. 12, 2025. Disponível em: <https://profissaobiotec.com.br/a-inteligencia-artificial-acelera-pesquisas-biotecnologicas-5-casos-de-sucesso>. Acesso em: 25/05/2025.
Referências:
BAEK, Minkyung; DIMAIO, Frank; ANISHCHENKO, Ivan; DAUPARAS, Justas; OVCHINNIKOV, Sergey; LEE, Gyu Rie; WANG, Jue; CONG, Qian; KINCH, Lisa N.; SCHAEFFER, R. Dustin. Accurate prediction of protein structures and interactions using a three-track neural network. Science, [S.L.], v. 373, n. 6557, p. 871-876, 20 ago. 2021. American Association for the Advancement of Science (AAAS). Disponível em: <http://dx.doi.org/10.1126/science.abj8754>. Acesso em: 07/04/2025.
BARNETTE, Dustyn A.; DAVIS, Mary A.; DANG, Na L.; PIDUGU, Anirudh S.; HUGHES, Tyler; SWAMIDASS, S. Joshua; BOYSEN, Gunnar; MILLER, Grover P.. Lamisil (terbinafine) toxicity: determining pathways to bioactivation through computational and experimental approaches. Biochemical Pharmacology, [S.L.], v. 156, p. 10-21, out. 2018. Elsevier BV. Disponível em: <http://dx.doi.org/10.1016/j.bcp.2018.07.043>. Acesso em: 06/04/2024.
BURKI, Talha. A new paradigm for drug development. The Lancet Digital Health, [S.L.], v. 2, n. 5, p. 226-227, maio 2020. Elsevier BV. Disponível em: <http://dx.doi.org/10.1016/s2589-7500(20)30088-1>. Acesso em: 27/03/2025.
CHEN, Wei; LIU, Xuesong; ZHANG, Sanyin; CHEN, Shilin. Artificial intelligence for drug discovery: resources, methods, and applications. Molecular Therapy – Nucleic Acids, [S.L.], v. 31, p. 691-702, mar. 2023. Elsevier BV. Disponível em: <http://dx.doi.org/10.1016/j.omtn.2023.02.019>. Acesso em: 07/03/2025.
Exscientia. Sumitomo Dainippon Pharma and Exscientia Joint Development New Drug Candidate Created Using Artificial Intelligence (AI) Begins Clinical Trial. Janeiro, 2020. Disponível em: <https://investors.exscientia.ai/press-releases/press-release-details/2020/Sumitomo-Dainippon-Pharma-and-Exscientia-Joint-Development-New-Drug-Candidate-Created-Using-Artificial-Intelligence-AI-Begins-Clinical-Trial/default.aspx>. Acesso em: 27/03/2025.
FARGHALI, H; CANOVÁ, N Kutinová; ARORA, M. The potential applications of artificial intelligence in drug discovery and development. Physiological Research, [S.L.], p. 715-722, 30 dez. 2021. Institute of Physiology of the Czech Academy of Sciences. Disponível em: <http://dx.doi.org/10.33549/physiolres.934765>. Acesso em: 01/04/2024.
FEATHERSTONE Matthew; SAADA, Rowan. Drug discovery online. AI In Drug Discovery And Development — Will It Live Up To The Hype? Janeiro, 2024. Disponível em: <https://www.drugdiscoveryonline.com/doc/ai-in-drug-discovery-and-development-will-it-live-up-to-the-hype-0001>. Acesso em: 28/03/2025.
JUMPER, John; EVANS, Richard; PRITZEL, Alexander; GREEN, Tim; FIGURNOV, Michael; RONNEBERGER, Olaf; TUNYASUVUNAKOOL, Kathryn; BATES, Russ; ŝÍDEK, Augustin; POTAPENKO, Anna. Highly accurate protein structure prediction with AlphaFold. Nature, [S.L.], v. 596, n. 7873, p. 583-589, 15 jul. 2021. Springer Science and Business Media LLC. Disponível em: <http://dx.doi.org/10.1038/s41586-021-03819-2>. Acesso em: 07/04/2025.
LIN, Zeming; AKIN, Halil; RAO, Roshan; HIE, Brian; ZHU, Zhongkai; LU, Wenting; SMETANIN, Nikita; VERKUIL, Robert; KABELI, Ori; SHMUELI, Yaniv. Evolutionary-scale prediction of atomic-level protein structure with a language model. Science, [S.L.], v. 379, n. 6637, p. 1123-1130, 17 mar. 2023. American Association for the Advancement of Science (AAAS). Disponível em: <http://dx.doi.org/10.1126/science.ade2574>. Acesso em: 07/04/2025.
NESTL, Bettina M.; NEBEL, Bernd A.; RESCH, Verena; SCHÜRMANN, Martin; TISCHLER, Dirk. The Development and Opportunities of Predictive Biotechnology. Chembiochem, [S.L.], v. 25, n. 13, p. 1-7, 7 maio 2024. Wiley. Disponível em: <http://dx.doi.org/10.1002/cbic.202300863>. Acesso em: 27/02/2025.
QURESHI, Rizwan; IRFAN, Muhammad; GONDAL, Taimoor Muzaffar; KHAN, Sheheryar; WU, Jia; HADI, Muhammad Usman; HEYMACH, John; LE, Xiuning; YAN, Hong; ALAM, Tanvir. AI in drug discovery and its clinical relevance. Heliyon, [S.L.], v. 9, n. 7, p. 1-22, jul. 2023. Elsevier BV. Disponível em: <http://dx.doi.org/10.1016/j.heliyon.2023.e17575>. Acesso em: 28/02/2025.
REN, Feng; ALIPER, Alex; CHEN, Jian; ZHAO, Heng; RAO, Sujata; KUPPE, Christoph; OZEROV, Ivan V.; ZHANG, Man; WITTE, Klaus; KRUSE, Chris. A small-molecule TNIK inhibitor targets fibrosis in preclinical and clinical models. Nature Biotechnology, [S.L.], v. 43, n. 1, p. 63-75, 8 mar. 2024. Springer Science and Business Media LLC. Disponível em: <http://dx.doi.org/10.1038/s41587-024-02143-0>. Acesso em: 28/03/2025.
SATO, Fumiaki; NAGANO, Yusuke; TACHIBANA, Daiki; IKEDA, Hiroko; IMAI, Hideaki; YAMASHITA, Tomomi; OKUYAMA, Makiko; TAJIMA, Junko; ASADA, Reiko; FUKUMOTO, Kenichi. The efficacy of the novel 5-HT1A receptor agonist DSP-1181 on obsessive-compulsive disorder like behavior in a mouse model of optogenetic neural modulation. International Journal of Neuropsychopharmacology, [S.L.], v. 28, n. 1, p. 340-341, fev. 2025. Oxford University Press (OUP). Disponível em: <http://dx.doi.org/10.1093/ijnp/pyae059.607>. Acesso em: 27/03/2025.
Teleconferência do terceiro trimestre do ano fiscal de 2022. Disponível em: <https://www.sumitomo-pharma.com/ir/library/presentation/>. Acesso em: 27/03/2025.
TORRES, Jaume; PERVUSHIN, Konstantin; SURYA, Wahyu. Prediction of conformational states in a coronavirus channel using Alphafold-2 and DeepMSA2: strengths and limitations. Computational And Structural Biotechnology Journal, [S.L.], v. 23, p. 3730-3740, dez. 2024. Elsevier BV. Disponível em: <http://dx.doi.org/10.1016/j.csbj.2024.10.021>. Acesso em: 10/04/2025.
TRAN, Hoai-Nhan; NGUYEN, Phuc-Xuan-Quynh; GUO, Fei; WANG, Jianxin. Prediction of Protein–Protein Interactions Based on Integrating Deep Learning and Feature Fusion. International Journal Of Molecular Sciences, [S.L.], v. 25, n. 11, p. 5820, 27 maio 2024. MDPI AG. Disponível em: <http://dx.doi.org/10.3390/ijms25115820>. Acesso em: 07/03/2025.
VPPCB/Fiocruz. Fiocruz lança primeira IA para registro de pesquisa clínica do mundo. Março, 2025. Disponível em: <https://portal.fiocruz.br/noticia/2025/03/fiocruz-lanca-primeira-ia-para-registro-de-pesquisa-clinica-do-mundo-1>. Acesso em: 09/04/2025.
Fonte da imagem destacada: imagem gerada por Inteligência Artificial (ChatGPT), 28/03/2025.
Comentários