IA brasileira pode revolucionar o combate de infecções virais

A ciência já tem adotado a inteligência artificial em várias áreas de pesquisa. Uma IA desenvolvida pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (USP), por exemplo, é capaz de prever interações entre proteínas.

A tecnologia, chamada BioPrediction-PPI, automatiza análises de possíveis interações entre proteínas sem a necessidade do usuário ter conhecimentos aprofundados em programação. Dessa forma, a ferramenta permite que biólogos otimizem os seus trabalhos, reduzindo o tempo desses profissionais em laboratório.

IA é prática e acelera pesquisas

Proteínas atuam nas mais variadas funções do organismo humano, além de serem estruturas importantes em outros processos, como infecções virais. Por isso, a IA pode ser útil para identificar rapidamente quais proteínas virais interagem com as humanas no caso do surgimento de novos vírus, reduzindo os impactos de uma eventual epidemia.

Algoritmos de aprendizado de máquina precisam de dados bem estruturados para funcionar. Pelo fato de o RNA e das proteínas serem normalmente identificados por extensas sequências de letras, a conversão dessas informações em dados numéricos exige um conhecimento técnico que profissionais de ciências biológicas podem não ter. Uma das funcionalidades da ferramenta é a extração automática de características, de forma que um biólogo não precise estudar assuntos tão específicos para realizar as previsões.

O BioPrediction deve ser, primeiramente, alimentado por informações de interações proteicas conhecidas, que vão ser usadas para treinar o modelo. Com a entrada das sequências de letras, cada molécula será descrita em uma sequência de números específica, como um código. A partir disso, a ferramenta extrairá as características mais relevantes das estruturas, organizando-as em grandes categorias – como frequência de aminoácidos ou nível de entropia (grau de desordem das partículas de um sistema). 

Para cada tipo de característica, ele treina um modelo parcial, e cada modelo é treinado para decidir se ocorrem ou não interações entre as moléculas. Por meio da combinação de várias decisões é gerada uma decisão final baseada nos resultados em maioria. Por fim, há a produção de um relatório que mede a performance do modelo, retornando ao usuário explicações que facilitam o entendimento do processo.

Ferramenta pode potencializar o entendimento de infecções virais

• O desempenho da ferramenta foi avaliada a partir de experimentos e o modelo mostrou-se competitivo em relação a outros especializados em aprendizado de máquina.
• A tecnologia foi utilizada, por exemplo, na previsão de interações entre proteínas do vírus Influenza A a partir de 15 mil pares possíveis.
• O BioPrediction foi capaz de reduzir esse número para 1.265 interações prováveis, sendo que 75% eram de fato verdadeiras, indicando que o modelo acertou três em cada quatro predições.
• A ideia é usar a IA para auxiliar o entendimento de infecções virais de forma mais rápida e com menos necessidades de testes de interações proteicas.
• Isso poderia acelerar os estudos sobre epidemias e ajudaria no desenvolvimento de alternativas para salvar vidas ou reduzir consequentes danos ou sequelas.
• As informações são do Jornal da USP.