A Creative Biolabs anunciou uma atualização em suas soluções funcionais de proteínas orientadas por IA, projetadas para acelerar o desenvolvimento de terapêuticas metabólicas de próxima geração. A empresa está abordando o desafio computacional de otimizar a afinidade a múltiplos alvos enquanto mantém a estabilidade metabólica em agonistas duplos e triplos de receptores, como as combinações GLP-1/GIP/GCGR, que estão sendo intensamente buscadas pela indústria farmacêutica para combater a obesidade e o diabetes tipo 2.
A otimização iterativa tradicional de peptídeos polifarmacológicos é altamente intensiva em mão de obra, muitas vezes exigindo anos de tentativa e erro para equilibrar as taxas de ativação de múltiplos receptores. A Creative Biolabs utiliza algoritmos proprietários de aprendizado profundo para realizar o design computacional de agonistas multirreceptores. Ao simular interações receptor-ligante em um ambiente virtual de alto rendimento, a plataforma identifica moléculas capazes de ativar simultânea e precisamente múltiplas vias biológicas relevantes. Essa abordagem comprime drasticamente o cronograma, desde a identificação de hits até a otimização de leads, reduzindo os ciclos típicos de pesquisa para meras 2 a 14 semanas.
Um desafio persistente na indústria é prevenir a rápida degradação enzimática de peptídeos farmacêuticos in vivo. A infraestrutura de IA da Creative Biolabs aborda isso calculando e eliminando sistematicamente sítios de sequência vulneráveis, projetando perfis de ação ultralongos que reduzem a frequência de dosagem dos pacientes. Além disso, a plataforma enfrenta o dilema 'lixo entra, lixo sai' comum em modelos de aprendizado de máquina para descoberta de medicamentos. Ao confiar no treinamento com conjuntos de dados farmacológicos de alta fidelidade, a plataforma prevê com precisão as propriedades ADMET (absorção, distribuição, metabolismo, excreção e toxicidade) no início do pipeline, garantindo que as sequências geradas sejam altamente potentes e desprovidas de toxicidade fora do alvo grave ou imunogenicidade indesejada.
Além dos sítios ortostéricos tradicionais, os reguladores metabólicos de próxima geração exigem seletividade refinada para prevenir efeitos adversos. A plataforma integra simulações de dinâmica molecular (MD) para permitir o design racional de ligantes direcionados a bolsas de ligação ocultas. Essa abordagem de biologia estrutural permite que desenvolvedores farmacêuticos ajustem a atividade do receptor por meio de modulação alostérica precisa, evitando a superestimulação de famílias de proteínas altamente homólogas e contornando mecanismos de resistência.
'Clientes industriais exigem mais do que apenas afinidade de ligação teórica; eles demandam moléculas fabricáveis, altamente estáveis e com atividade funcional garantida em ensaios biológicos', afirmou o diretor de biologia computacional da Creative Biolabs. 'Nossos pipelines de aprendizado profundo transformam o design de sequências multirreceptoras de um processo de serendipidade para um fluxo de trabalho altamente previsível e automatizado.'
Parceiros farmacêuticos que utilizam esses pipelines proprietários de IA relataram uma redução significativa nos ciclos de design-teste-aprendizado. Os primeiros adotantes destacam a alta precisão preditiva da plataforma e a natureza abrangente dos resultados, que preenchem a lacuna entre previsões in silico e sucesso in vitro. Empresas de biotecnologia e farmacêuticas que desenvolvem ativos em pipeline para distúrbios metabólicos complexos são incentivadas a implementar esses fluxos de trabalho computacionais avançados. Para mais informações, visite a plataforma oficial da Creative Biolabs.
