Pesquisadores dos programas de pós-graduação em Ciência da Computação e Bioquímica Aplicada da Universidade Federal de Viçosa (UFV) criaram uma estratégia de aprendizado de máquina chamada “Perseu CPP”. O modelo prevê Peptídeos de Penetração Celular (CPPs), moléculas capazes de atravessar membranas celulares e transportar medicamentos, proteínas terapêuticas ou fragmentos de DNA/RNA para dentro das células, sem causar danos.
Segundo a professora Sabrina de Azevedo Silveira, coordenadora do trabalho, os CPPs são uma estratégia promissora para combater a resistência bacteriana, considerada um dos maiores desafios médicos do século XXI pela OMS, além de terem aplicações em tratamento do câncer, terapias genéticas e medicina personalizada.
Principais avanços do Perseu CPP:
-
Previsão mais precisa da capacidade de penetração celular dos peptídeos do que ferramentas existentes.
-
Modelo interpretável, indicando quais características de um peptídeo são decisivas para sua classificação como CPP.
-
Estratégia computacionalmente mais simples e robusta, combinando diferentes descrições físico-químicas e estruturais dos peptídeos.
-
Utilização de técnicas de balanceamento de dados, melhorando a capacidade de generalização do modelo.
-
Redução do custo e tempo de testes laboratoriais, priorizando peptídeos com maior chance de sucesso.
O trabalho foi desenvolvido pelo doutorando Gustavo Almeida e pela professora Sabrina Silveira, com abordagem comparativa e incremental, e publicado no periódico Bioinformatics Advances. O código-fonte do modelo está disponível publicamente no GitHub, facilitando o acesso de outros pesquisadores.
A pesquisa está alinhada aos ODS 3 (Saúde e Bem-Estar) e 9 (Indústria, Inovação e Infraestrutura), e foi financiada pelo Programa Conhecimento Brasil / CNPq/MCTI/FNDCT.
