Inteligența artificială accelerează descoperirea de antivirale cu țintă pe gazdă
Infecțiile virale sunt greu de tratat pentru că virusurile evoluează rapid și pot dezvolta rezistență la medicamentele care atacă direct proteinele virale. O alternativă tot mai studiată este terapia direcționată către gazdă, care vizează procesele biologice ale organismului infectat în loc să atace patogenul.
Cercetătorii de la Universitatea Korea, conduși de profesorul Kwang Yeon Hwang de la Colegiul de Științe ale Vieții și Biotehnologie și de profesorul asociat Hong-Rae Kim de la Colegiul de Medicină, au dezvoltat o strategie ghidată de inteligența artificială pentru a descoperi molecule care inhibă deoxihypusin-sintaza (DHPS), o enzimă umană implicată în hipusinarea eIF5A, un proces care susține replicarea unei game largi de virusuri. Studiul a fost publicat online în Journal of Cheminformatics pe 5 august 2026.
„DHPS este implicată în activarea factorului de inițiere a traducerii eucariote 5A, sau eIF5A, printr-o modificare unică numită hipusinare. Acest proces este important pentru replicarea unei game largi de virusuri, inclusiv HIV-1 și SARS-CoV-2, ceea ce face din DHPS o țintă potențială pentru descoperirea de medicamente antivirale direcționate către gazdă”, a explicat Hwang.
Echipa a evaluat sistematic 13 modele de învățare automată pentru predicția scorurilor de legare moleculară și 10 metode de generare de molecule noi, folosind DHPS ca țintă comună. Metoda Out-of-Fold Stacking a obținut cea mai bună performanță generală dintre modelele de predicție testate, iar RL-Design a atins cea mai mare rată de succes prezisă, de 92,02%, dintre metodele de generare, cu 98,0% dintre moleculele sale clasate pe primele locuri trecând un prag standard de asemănare cu medicamentele.
Pentru evaluarea experimentală, cercetătorii au selectat șase fragmente mici, cu mase între 140 și 190 daltoni: trei prezise ca active și trei prezise ca inactive. Toate cele trei fragmente prezise active au inhibat DHPS, iar niciunul dintre cele prezise inactive nu a făcut-o, arătând o concordanță completă între predicțiile computaționale și rezultatele experimentale. Două dintre fragmentele active au dat valori IC₅₀ măsurabile de 31,2 și 49,1 μM, în intervalul tipic pentru hituri inițiale de tip fragment.
O structură cristalină obținută prin difracție de raze X a oferit dovezi structurale pentru legarea unui compus generat de inteligența artificială la intrarea în buzunarul de legare a substratului și a NAD-ului din DHPS.
„Cel mai cunoscut inhibitor de DHPS imită îndeaproape o moleculă celulară naturală, ceea ce aduce un risc de activitate off-target. Hiturile noastre sunt fragmente construite pe structuri fără legătură cu inhibitorul cunoscut. În descoperirea bazată pe fragmente, exact aici vrei să începi: sunt mici și se leagă eficient pentru dimensiunea lor, ceea ce lasă mult loc pentru a le dezvolta în compuși mai potenți. Totuși, aceste molecule sunt hituri incipiente, nu candidați de medicamente”, a notat Kim.
„Vor fi necesare studii suplimentare pentru a stabili mecanismele lor de inhibiție, selectivitatea, activitatea celulară, toxicitatea și performanța pe modele animale.”
Cu toate acestea, lucrarea demonstrează o rută reproductibilă de la proiectarea moleculară bazată pe inteligența artificială la validarea experimentală. Dincolo de DHPS, pipeline-ul disponibil gratuit ar putea fi aplicat și altor ținte terapeutice. Cerințele sale computaționale modeste ar putea face descoperirea de medicamente asistată de inteligența artificială și fundamentată experimental mai accesibilă pentru laboratoarele cu resurse computaționale limitate.
În ansamblu, studiul oferă o dovadă de concept timpurie pentru descoperirea de antivirale direcționate către gazdă cu ajutorul inteligenței artificiale și arată cum predicțiile computaționale pot fi evaluate sistematic și apoi combinate cu generarea de molecule și experimentarea de laborator pentru a identifica și valida hituri inhibitoare incipiente.
