AI pode ajudar a encontrar cientistas para encontrar uma vacina Covid-19

As vacinas imitam uma infecção, fazendo com que o corpo produza glóbulos brancos e antígenos defensivos. Existem três tipos principais de vacinas: as vacinas contra patógenos inteiros, como as da gripe ou MMR, usam patógenos mortos ou enfraquecidos para provocar uma resposta imune; as vacinas de subunidades (por exemplo, coqueluche, cascalho) usam apenas parte do germe, como uma proteína; e as vacinas de ácido nucleico injetam material genético do patógeno nas células humanas para estimular uma resposta imune. O último é o tipo de vacina direcionada ao Covid-19 que iniciou os testes esta semana nos Estados Unidos. A IA é útil para acelerar o desenvolvimento de vacinas de subunidades e ácidos nucleicos.

Uma parte essencial dos vírus, as proteínas são constituídas por uma sequência de aminoácidos que determinam sua forma 3D única. Entender a estrutura de uma proteína é essencial para entender como ela funciona. Uma vez que a forma é entendida, os cientistas podem desenvolver drogas que funcionam com a forma única da proteína. Mas levaria mais tempo do que a idade do universo conhecido para examinar todas as formas possíveis de uma proteína antes de encontrar sua estrutura 3D única. Digite AI.

Em janeiro, o Google DeepMind introduziu o AlphaFold, um sistema de ponta que prevê a estrutura 3D de uma proteína com base em sua sequência genética. No início de março, o sistema foi posto à prova no Covid-19. O DeepMind divulgou previsões da estrutura de proteínas de várias proteínas sub-estudadas associadas ao SARS-CoV-2, o vírus que causa o Covid-19, para ajudar a comunidade de pesquisa a entender melhor o vírus.

Ao mesmo tempo, pesquisadores da Universidade do Texas em Austin e do National Institutes of Health usaram uma técnica popular de biologia para criar o primeiro mapa 3D em escala atômica da parte do vírus que se liga e infecta as células humanas - a proteína spike. A equipe responsável por essa descoberta crítica passou anos trabalhando em outros coronavírus, incluindo SARS-CoV e MERS-CoV. Uma das previsões divulgadas pelo AlphaFold forneceu uma previsão precisa para essa estrutura de pico.

Outro esforço do Instituto de Design de Proteínas da Universidade de Washington também usou modelos de computador para desenvolver modelos 3D em escala atômica da proteína spike SARS-CoV-2 que se aproximam dos descobertos no laboratório da UT Austin. Agora eles estão desenvolvendo esse trabalho criando novas proteínas para neutralizar o coronavírus. Em teoria, essas proteínas aderem à proteína spike, impedindo que partículas virais infectem células saudáveis.

De maneira mais ampla, a pesquisa científica sobre o Covid-19 exige um esforço hercúleo para acompanhar os resultados emergentes de outros laboratórios. Aprender sobre o trabalho em outro laboratório pode economizar meses ou até anos de trabalho, passando por um beco sem saída, evitando reinventar a roda ou sugerindo um atalho. Os laboratórios relatam seu trabalho por meio de artigos publicados e cada vez mais por serviços de pré-impressão como bioRxiv e medRxiv.

Vários milhares de artigos relevantes para o Covid-19 apareceram nos três primeiros meses de 2020, e a literatura científica está crescendo rapidamente. Como resultado, os cientistas lutam para encontrar os documentos relevantes para suas pesquisas específicas, revisar a amplitude das descobertas recentes e descobrir insights. O primeiro desafio é coletar a literatura relevante e colocá-la em um único local acessível. Em resposta, no Allen Institute for AI firmamos parceria com várias organizações de pesquisa para produzir o Covid-19 Open Research Dataset (CORD-19), um recurso exclusivo de mais de 44.000 artigos acadêmicos sobre Covid-19, SARS-CoV-2 e coronavírus relacionados. É atualizado diariamente à medida que novas pesquisas são publicadas. Esse conjunto de dados disponível gratuitamente é legível por máquina, para que os pesquisadores possam criar e aplicar algoritmos de processamento em linguagem natural e, esperançosamente, acelerar a descoberta de uma vacina.

Uma coalizão incluindo a Casa Branca, a Iniciativa Chan Zuckerberg, o Centro de Segurança e Tecnologia Emergente da Universidade de Georgetown, a Microsoft Research e a Biblioteca Nacional de Medicina dos Institutos Nacionais de Saúde se reuniram para prestar este serviço. Além disso, a plataforma de aprendizado de máquina e ciência de dados do Google, Kaggle, está hospedando o Covid-19 Research Challenge, que visa fornecer uma ampla gama de informações sobre a pandemia, incluindo a história natural; transmissão e diagnóstico para o vírus; lições de estudos epidemiológicos anteriores; e mais. O desafio da pesquisa foi lançado em 16 de março. Em cinco dias, ele já havia recebido mais de 500.000 visualizações e foi baixado mais de 18.000 vezes. As descobertas recentes da comunidade de pesquisa são selecionadas em uma única página da Web para referência rápida.

A perspectiva mais tentadora para a análise automatizada da literatura científica é que a IA conectará os pontos entre os estudos para identificar hipóteses e sugerir experimentos e até tratamentos que, de outra forma, seriam perdidos. A descoberta baseada na literatura é uma classe de métodos de análise inventados pelo pesquisador Don R. Swanson em 1988. Seu sistema automatizado descobriu um novo tratamento para enxaquecas: o magnésio. O trabalho de descoberta baseada em literatura continuou e seu impacto potencial aumentou com a introdução de ferramentas de PNL baseadas em aprendizado profundo, como o SciBert.

Além de apoiar a comunidade de pesquisa em seus esforços para entender o vírus e desenvolver tratamentos, a IA tem desempenhado um papel vital no surto de Covid-19 desde o primeiro dia. A startup de IA Bluedot detectou um conjunto de casos incomuns de pneumonia em Wuhan no final de dezembro e previsto com precisão onde o vírus pode se espalhar. Os robôs reduziram a interação humana desinfectando os quartos dos hospitais, transferindo alimentos e suprimentos e prestando consultas em telessaúde. A IA está sendo usada para rastrear e mapear a propagação da infecção em tempo real, diagnosticar infecções, prever risco de mortalidade e muito mais. E o potencial de inovação futura não pode ser esquecido.