Desde 2022, uma equipe de pesquisadores formadas por professores da Universidade Federal do Rio Grande (FURG), em parceria com docentes da Universidade Federal de Pelotas (UFPel), está desenvolvendo um estudo científico  que identificou  sete  moléculas promissoras para o desenvolvimento de medicamentos antivirais pan-coronavírus. A pesquisa faz parte de um desafio científico global proposto pela Conscience, uma organização sem fins lucrativos focada em revolucionar o desenvolvimento de medicamentos. A equipe conquistou o 1° lugar no desafio CACHE (Critical Assessment of Computational Hit-Finding Experiments), superando outras equipes ao submeter o maior número de moléculas promissoras. O feito coloca as universidades gaúchas em evidência no cenário mundial da pesquisa científica.

O estudo é liderado pela professora Karina Dos Santos Machado (FURG) e conta com a colaboração dos professores Adriano Werhli (FURG) e Frederico Schmitt Kremer (UFPel). O grupo utilizou uma combinação de ferramentas de código livre e Inteligência Artificial (IA) para encontrar as moléculas.

A professora do Centro de Ciências Computacionais da FURG, Karina Machado, expressou otimismo com os resultados, não somente com relação a possibilidade de tratamento de coronavírus, mas com a possibilidade de uso destas ferramentas para melhorar a busca de soluções para muitos outros tipos de ameaças à saúde em nível global. Modelos computacionais como os propostos por seu time, combinados com experimentos em laboratório, onde vírus reais são manipulados, podem reduzir drasticamente o tempo e o custo de desenvolvimento de novos medicamentos. “Vejo esse trabalho como verdadeiramente interdisciplinar, onde pesquisadores com diferentes visões e perspectivas totalmente distintas sobre um problema se unem para produzir algo realmente importante para a sociedade”, expressou.

O professor do curso de Biotecnologia da UFPel, Frederico Schmitt Kremer, destacou a importância do uso de técnicas de inteligência artificial que permitem explorar uma grande diversidade de moléculas. “Métodos tradicionais de descoberta de medicamentos no computador podem ser custosos para testar um número grande de moléculas – as vezes na escala de milhões – e a IA nos permitiu não apenas selecionar moléculas representativas para serem testadas por estes métodos, mas também calcular as afinidades químicas destas milhões de moléculas em um tempo infinitamente menor”, explicou. Ele também ressaltou que a abordagem utilizada pode ser aplicada a uma ampla gama de doenças, acelerando o desenvolvimento de novos tratamentos.

A campanha reúne pesquisadores para impulsionar novas descobertas em áreas de necessidades ainda não atendidas.