O Professor Coordenador Wei Leyi do Centro de Descoberta de Fármacos Impulsionada por Inteligência Artificial da Universidade Politécnica de Macau (UPM), e a sua equipa de investigação, concluíram um estudo inovador nas áreas de previsão da propriedade molecular e de desenvolvimento de medicamentos, e publicaram os respectivos resultados na revista académica de renome internacional Nature Communications. O estudo centra-se na resolução da relação complexa entre a estrutura molecular e a função durante o desenvolvimento de medicamentos, propondo o modelo de pré-treino da inteligência artificial “Self-Conformation-Aware Graph Transformer” (SCAGE, Transformador de Grafos com Reconhecimento de Auto-Conformação), que pode capturar eficazmente a conformação tridimensional e a semântica da subestrutura dentro da molécula, de forma a melhorar a precisão e a interpretabilidade da previsão da propriedade molecular. Os resultados do estudo ajudam a aprofundar a compreensão sobre a estrutura molecular e as funções do medicamento, reduzindo os riscos e custos da investigação e do desenvolvimento de medicamentos.

No processo de desenvolvimento do medicamento, existem muitos desafios, especialmente, factores como a dificuldade na previsão das características dos fármacos, o que faz aumentar os custos da investigação e desenvolvimento de medicamentos e aumentar também os riscos de fracasso nos ensaios clínicos. Para resolver este problema, a equipa de investigação utilizou tecnologia de pré-treino de inteligência artificial para desenvolver de forma inovadora o modelo SCAGE. O modelo é pré-treinado em cerca de 5 milhões de compostos de fármacos e combinado com uma estrutura de aprendizagem multitarefa para aprender profundamente a semântica estrutural e funcional das moléculas, a fim de melhorar eficazmente a precisão da previsão da propriedade molecular e a capacidade de generalização do modelo. O modelo SCAGE demonstrou vantagens significativas em 9 tarefas de previsão da propriedade molecular e 30 testes de “Structural Activity Cliff Benchmarking”, fornecendo uma solução inovadora de inteligência artificial para promover a concepção e o desenvolvimento de medicamentos.

Os resultados do estudo foram  apresentados num artigo intitulado “A self-conformation-aware pre-training framework for molecular property prediction with substructure interpretability” (Uma estrutura de pré-treino com reconhecimento de auto-conformação para a previsão da propriedade molecular com interpretabilidade de subestruturas), na revista académica internacional Nature Communications. O presente estudo é um projecto de co-financiamento (0133/2024/RIB2) pelo Fundo para o Desenvolvimento das Ciências e da Tecnologia de Macau (FDCT) e pelo Fundo para Jovens Cientistas Excelentes do País. O conteúdo integral do estudo está disponível em: http://mpu.mo/pkfc.

A revista Nature Communications pertence ao “Nature Publishing Group” e é uma revista académica de acesso aberto de confiança que abrange múltiplas disciplinas, com foco na publicação de resultados de investigação importantes nas áreas interdisciplinares como a biologia, a física, a química e a medicina. A revista está posicionada no 10.º lugar (com Percentile Rank: 93%) entre as revistas no âmbito “Ciências Multidisciplinares” do SCIE, pertencendo ao primeiro quartil (Q1) da Academia Chinesa de Ciências e do Journal Citation Reports (JCR). Além disso, possui um factor de impacto de 15,7 no ano de 2024.