Com a ajuda de um modelo treinado via aprendizado de máquina, cientistas identificaram 3 compostas que podem combater o envelhecimento — um método que, segundo eles, poderá ser bastante útil em descobertas medicinais futuras, especialmente contra doenças cujo tratamento é complexo.
O tratamento proposto pelos médicos mira nas células senescentes. A divisão celular é necessária para o crescimento do corpo e renovação dos tecidos, mas, em alguns casos, as células param de se dividir permanentemente, e, ao contrário do que se esperava, continuam no corpo — causando danos aos tecidos e levando ao envelhecimento dos órgãos e sistemas corporais. Elas são as células senescentes.
Normalmente, tais células seriam eliminadas do corpo pelo sistema imune, mas a queda de eficiência devido à senilidade leva a um crescimento do número de células senescentes. Esse aumento vem sendo associado a doenças como Alzheimer, câncer e alguns marcos da idade, como piora na visão e mobilidade reduzida. Isso tem levado a ciência a buscar medicamentos senolíticos, ou seja, compostos que limpam as células senescentes do corpo e prolongam nossa vida.
Senolíticos e sua composição
Alguns estudos já identificaram substâncias senolíticas promissoras, mas elas costumam ser tóxicas também às células saudáveis, o que complica sua administração. Cientistas da Universidade de Edimburgo, no entanto, conseguiram desenvolver um método pioneiro de busca de compostos químicos que consegue identificar quais são seguros, porém efetivos na eliminação de células defeituosas.
O processo teve início com o desenvolvimento de um modelo de aprendizado de máquina, treinado para reconhecer as características chave de compostos químicos com propriedades senolíticas. Os dados vieram de diversas fontes diferentes, como artigos acadêmicos e patentes comerciais, integrados com duas bibliotecas químicas que contém compostos aprovados por órgãos de regulamentação ou em estágio de testes clínicos.
O banco de dados completo incluiu 2.523 compostos, tanto com propriedades senolíticas quanto não senolíticas, evitando deixar o algoritmo de aprendizado de máquina com vieses. Após o treino, o algoritmo foi utilizado para analisar mais de 4.000 compostos químicos, dos quais foram obtidos 21 candidatos para a confecção de um medicamento contra o envelhecimento.
Ao testar os candidatos, foram encontrados 3 compostos — ginkgetina, periplocina e oleandrina — que removiam células senescentes sem prejudicar células saudáveis. Dessas 3, a oleandrina se mostrou a mais eficiente. Todas são produtos naturais já encontrados na medicina herbal tradicional.
Propriedades naturais
A oleandrina vem da planta oleandro, ou loendro (Nerium oleander), que tem propriedades parecidas com o remédio digoxina, usado para tratar falência cardíaca e arritmias. Estudos já mostraram que ela também tem propriedades anti-inflamatórias, antimicrobianas, antioxidantes, anticâncer e anti-HIV.
A oleandrina é, no entanto, altamente tóxica em níveis acima dos terapêuticos, uma janela bastante pequena nos humanos. Isso faz com que não seja aprovada por agências reguladoras como suplemento alimentar ou medicamento.
A ginkgetina, assim como a oleandrina, tem propriedades antimicrobianas, anti-inflamatórias, antioxidantes, anticâncer e neuroprotetoras. Ela é extraída do ginkgo ou nogueira-do-japão (Ginkgo biloba), a espécie de árvore mais antiga a ter as sementes e folhas utilizadas na medicina herbal chinesa, estando presente nela há milhares de anos.
Extratos altamente concentrados da planta, produzidos a partir de suas folhas secas, podem ser comprados sem receita por todo o mundo, sendo um dos suplementos herbais mais vendidos do planeta.
Já a periplocina é isolada da periploca ou periploca-da-china (Periploca sepium), que estudos já apontaram ajudar nas funções cardíacas, bem como inibir o crescimento celular e causar morte celular em células do câncer.
Segundo os pesquisadores, os achados demonstram uma eficiência desses componentes em nível comparável a senolíticos encontrados por outros estudos, além de facilitar a procura de compostos pelo novo método. Com ele, o número de compostos que tiveram de ser buscados para o achado foi reduzido em mais de 200 vezes.
O custo-benefício da nova tecnologia de inteligência artificial também é maior do que o de métodos tradicionais, que envolvem testes pré-clínicos e clínicos, bastante trabalhosos especialmente no início da descoberta dos compostos. Para doenças com biologia complexa ou poucos alvos moleculares conhecidos, é um avanço muito bem-vindo.
Fonte: Nature Communications, University of Edinburgh
