Pesquisadores, com o auxílio de um modelo treinado por aprendizado de máquina, descobriram três compostos que podem combater o processo de envelhecimento. Esse método inovador tem potencial para impulsionar descobertas médicas futuras, especialmente no tratamento de doenças complexas.

O tratamento proposto pelos médicos tem como alvo as células senescentes. Embora a divisão celular seja essencial para o crescimento do corpo e a renovação dos tecidos, em alguns casos, as células param de se dividir permanentemente, permanecendo no corpo e causando danos aos tecidos, resultando no envelhecimento dos órgãos e sistemas corporais. Essas células são conhecidas como células senescentes.

Normalmente, o sistema imunológico eliminará essas células do corpo, mas a eficiência desse processo diminui com o envelhecimento, resultando em um aumento do número de células senescentes. Esse aumento tem sido associado a doenças como Alzheimer, câncer e diversos sintomas do envelhecimento, como deterioração da visão e redução da mobilidade. Portanto, a ciência tem buscado medicamentos senolíticos, ou seja, compostos que removam as células senescentes do corpo e prolonguem a vida.

Os estudos anteriores identificaram algumas substâncias senolíticas promissoras, mas muitas delas também são tóxicas para as células saudáveis, o que torna sua administração complexa. No entanto, cientistas da Universidade de Edimburgo desenvolveram um método pioneiro para buscar compostos químicos que sejam seguros e eficazes na eliminação das células defeituosas.

O processo começou com o desenvolvimento de um modelo de aprendizado de máquina treinado para reconhecer as características-chave dos compostos químicos com propriedades senolíticas. Os dados utilizados foram provenientes de diversas fontes, como artigos acadêmicos e patentes comerciais, combinados com duas bibliotecas químicas contendo compostos aprovados por órgãos reguladores ou em estágios de testes clínicos.

O banco de dados resultante continha 2.523 compostos, tanto com propriedades senolíticas quanto sem, evitando qualquer viés no algoritmo de aprendizado de máquina. Após o treinamento, o algoritmo foi utilizado para analisar mais de 4.000 compostos químicos, dos quais foram selecionados 21 candidatos para a produção de um medicamento contra o envelhecimento.

Durante os testes, foram identificados três compostos — ginkgetina, periplocina e oleandrina — que eliminaram as células senescentes sem prejudicar as células saudáveis. Dentre os três, a oleandrina mostrou-se a mais eficaz. Todos esses compostos são produtos naturais já utilizados na medicina herbal tradicional.

A oleandrina é encontrada na planta oleandro (Nerium oleander), que possui propriedades semelhantes ao medicamento digoxina, usado no tratamento de insuficiência cardíaca e arritmias. Estudos também demonstraram que a oleandrina possui propriedades anti-inflamatórias, antimicrobianas, antioxidantes, anticancerígenas e anti-HIV.

No entanto, a oleandrina é altamente tóxica em doses acima do terapêutico, o que limita sua aprovação como suplemento alimentar ou medicamento pelas agências reguladoras.

A ginkgetina, assim como a oleandrina, possui propriedades antimicrobianas, anti-inflamatórias, antioxidantes, anticancerígenas e neuroprotetoras. Ela é extraída da planta ginkgo ou nogueira-do-japão (Ginkgo biloba), uma das espécies de árvores mais antigas utilizadas na medicina herbal chinesa há milhares de anos. Extratos concentrados dessa planta, derivados de suas folhas secas, são vendidos sem prescrição em todo o mundo, sendo um dos suplementos herbais mais populares do planeta.

Já a periplocina é extraída da planta periploca-da-china (Periploca sepium) e estudos indicam que ela auxilia no funcionamento cardíaco, além de inibir o crescimento celular e induzir a morte das células cancerígenas.

Segundo os pesquisadores, essas descobertas demonstram a eficácia desses compostos, comparável aos senolíticos encontrados em outros estudos, além de facilitar a busca por compostos através desse novo método. Com essa abordagem, o número de compostos analisados foi reduzido em mais de 200 vezes.

A nova tecnologia de inteligência artificial apresenta uma relação custo-benefício maior do que os métodos tradicionais, que envolvem testes pré-clínicos e clínicos, sendo particularmente vantajosa para doenças com biologia complexa ou poucos alvos moleculares conhecidos.

*Com informação CanalTech