.avif)
Apesar de grandes esforços e investimentos, nos sete meses desde que a Organização Mundial da Saúde declarou a COVID-19 uma pandemia, tratamentos terapêuticos eficazes para pacientes que sofrem desta doença continuam sendo um desafio. Para auxiliar na identificação de tratamentos antivirais eficazes que possam mitigar o impacto do vírus, um grupo de cientistas e tecnólogos do CAS buscou identificar possíveis candidatos a fármacos para o tratamento da COVID-19 com modelos preditivos de aprendizado de máquina. A metodologia de Relações Quantitativas Estrutura-Atividade (QSAR) foi utilizada para construir e testar mais de 40 modelos para os alvos de proteínas virais prioritários 3CLpro ou RdRp. Os modelos de classificação com melhor desempenho foram aplicados para triar um conjunto de mais de 150.000 substâncias químicas, incluindo medicamentos aprovados pela FDA. Este trabalho identificou com sucesso vários medicamentos que agora começam a mostrar eficácia clínica, incluindo Lopinavir e Telmisartan, bem como muitas outras substâncias candidatas para consideração.
Esperamos que este esforço, que combinou a curadoria de dados humanos e modelos preditivos de aprendizado de máquina para identificar com sucesso potenciais candidatos a fármacos de pequenas moléculas para a COVID-19, destaque o valor da sinergia entre humanos e máquinas na descoberta de medicamentos, contribuindo ao mesmo tempo para os esforços contínuos de pesquisa antiviral para a COVID-19 e além.
