- Pesquisadores da MIT e da Microsoft desenvolveram sensores moleculares guiados por IA para detectar câncer em estágios iniciais, usando nanopartículas revestidas com peptídeos que são cortados por proteases associadas ao câncer.
- Os sensores podem emitir sinais detectáveis em urina, possibilitando um teste simples, possivelmente realizado em casa, para identificar a presença de câncer.
- O sistema CleaveNet, uma IA criada para projetar sequências de peptídeos específicas para proteases alvo, aprimora a sensibilidade e a seletividade dos sensores.
- Em testes, a abordagem mostrou potencial para distinguir tipos de câncer ao crime de proteases ativas, com foco na protease MMP13, relacionada à metástase.
- O projeto integra pesquisas financiadas por ARPA-H, com parcerias e aplicações futuras em diagnóstico domiciliar, bem como possibilidades de uso terapêutico de peptídeos em tratamentos contra o câncer.
O MIT e a Microsoft usaram inteligência artificial para criar sensores moleculares que detectam câncer em estágios iniciais. Nanopartículas revestidas com peptídeos sensíveis a proteases podem indicar a presença de sinais tumorais no corpo. A ideia é simples: sinais de proteases associadas ao câncer acionam o sensor.
O modelo de IA, batizado CleaveNet, projeta sequências de aminoácidos que são cortadas por proteases específicas, como a MMP13. Esses peptídeos ficam na superfície das nanopartículas, que podem ser ingeridas ou inaladas para circular pelo organismo.
Os sensores geram sinais que são excretados pela urina, permitindo detecção via teste de papel, semelhante a um teste de gravidez. Em casos positivos, apontam para o tipo de câncer envolvido, com base na protease detectada.
A pesquisa envolve a equipe de Sangeeta Bhatia, professora de Saúde, Tecnologia, Engenharia Elétrica e Ciência da Computação no MIT, junto a Ava Amini, da Microsoft Research. O estudo aparece em Nature Communications.
Pesquisas anteriores usaram abordagens de tentativa e erro para peptídeos, com sinais muitas vezes não específicos. O novo sistema Treina o CleaveNet para gerar sequências mais eficientes e seletivas para proteases-alvo, aprimorando a precisão diagnóstica.
O objetivo é ampliar a sensibilidade em estágios precoces da doença e em recidivas após cirurgia, conforme explicam os pesquisadores. A tecnologia já foi testada para cânceres de pulmão, ovário e cólon em modelos animais.
Além de diagnóstico, o estudo aponta aplicações terapêuticas: peptídeos podem orientar a liberação de tratamentos apenas no ambiente tumoral, aumentando eficácia e reduzindo efeitos colaterais. A equipe planeja kit de diagnóstico domiciliar.
O projeto, que também envolve ARPA-H, busca criar um atlas de atividade proteolítica que ligue várias proteases a diferentes tipos de câncer. Financiamentos vieram da La Caixa, do Ludwig Center e do Marble Center for Cancer Nanomedicine.
Entre na conversa da comunidade