Descoberta computacional de fármacos sob governança auditável
DrugSynthAI é a plataforma de pesquisa em descoberta computacional de fármacos do programa de pesquisa e desenvolvimento clínico-científico. Aplica modelos de aprendizado de máquina para identificação de alvos, modelagem proteína-ligante, previsão ADMET e química generativa, dentro de uma camada de governança que separa a autoridade de aprendizado da autoridade de decisão.
Contexto científico
A descoberta contemporânea de fármacos passou por uma transformação metodológica na última década. Modelos de linguagem de proteínas, redes neurais de grafo aplicadas a moléculas pequenas, arquiteturas de difusão para geração de novos ligantes e sistemas multiagente para triagem virtual reformularam o custo, a escala e a natureza da geração de hipóteses terapêuticas.
DrugSynthAI opera na intersecção entre esses métodos computacionais e o rigor epistemológico exigido pela medicina translacional. O ponto de partida não é a demonstração de que um modelo pode propor uma molécula, mas a pergunta anterior: sob que condições de governança um sistema de IA pode participar da geração de hipóteses terapêuticas de modo que suas propostas permaneçam auditáveis, reproduzíveis e explicáveis frente aos padrões éticos e regulatórios da pesquisa biomédica.
Uma revisão translacional recente do programa aborda essa questão em detalhe: IA na descoberta de fármacos: do alvo ao sinal clínico.
Escopo da plataforma
Módulos de pesquisa e desenvolvimento, com estágios de maturidade distintos. Nenhum módulo está autorizado para uso clínico ou regulatório.
| Módulo | Escopo | Referências metodológicas |
|---|---|---|
| Identificação de alvos | Análise integrada de dados ômicos e literatura para hierarquização de alvos moleculares candidatos por relevância patofisiológica. | Vamathevan et al., Nat Rev Drug Discov 2019 |
| Modelagem estrutural | Predição de estruturas de proteínas e complexos proteína-ligante em resolução atômica para orientar triagem virtual. | Jumper et al., Nature 2021; Abramson et al., Nature 2024 |
| Química generativa | Geração condicionada de moléculas pequenas com propriedades farmacocinéticas pré-especificadas via arquiteturas de difusão. | Watson et al., Nature 2023 |
| Previsão ADMET | Modelos preditivos de absorção, distribuição, metabolismo, excreção e toxicidade sobre compostos candidatos. | Literatura peer-reviewed em ML farmacológico |
| Triagem antimicrobiana | Aplicação de redes neurais profundas para identificação de novos escafoldes antimicrobianos, com validação in vitro necessária. | Stokes et al., Cell 2020 (halicin) |
| Reposicionamento | Mineração sistemática de literatura e bases de conhecimento para hipóteses de reposicionamento terapêutico. | Xu, Ren et al., Nat Med 2025 (rentosertibe) |
Camada de governança · AIDD-GOV
A DrugSynthAI opera sob um padrão de governança de descoberta de fármacos assistida por IA denominado AIDD-GOV. O princípio arquitetônico central é a separação entre a autoridade de aprendizado e a autoridade de decisão: um modelo pode classificar, prever e propor, porém a decisão de sintetizar um composto, priorizar um alvo ou avançar para caracterização experimental permanece sob revisão humana explícita, rastreável e reversível.
Esta camada de governança é uma implementação específica do padrão mais amplo de Externally Governed Learning Systems (EGLS), objeto da patente provisória USPTO 63/975,551 do mesmo programa de pesquisa. O AIDD-GOV adapta os princípios do EGLS ao ciclo de vida da descoberta de fármacos, com atenção especial a proveniência de dados de treinamento, rastreabilidade de sugestões geradas por modelo e critérios de rejeição preestabelecidos que independem da confiança computacional.
A governança não é um envelope regulatório posterior. É uma condição arquitetônica anterior à validação preditiva.
Propriedade intelectual
Publicações e ligações acadêmicas
Produção acadêmica correlacionada e perfis de identidade científica
Revisão translacional em blog acadêmico
IA na descoberta de fármacos: do alvo ao sinal clínico · junho de 2026
Perfis de identidade científica
Estado de desenvolvimento
FASE PRE SEMENTE DE PESQUISA E DESENVOLVIMENTO
DrugSynthAI está em fase pre semente de pesquisa e desenvolvimento. A plataforma não está autorizada para uso clínico, regulatório ou comercial. Nenhuma sugestão gerada pelos módulos deve ser interpretada como recomendação terapêutica.
O objetivo do estágio atual é a caracterização técnica e a documentação da arquitetura de governança AIDD-GOV, com produção acadêmica associada e depósitos de propriedade intelectual em curso no USPTO.
Colaborações de pesquisa institucional são consideradas caso a caso. Contato via página de contato acadêmico.