Estudo desenvolvido por doutorando nigeriano combina aprendizado de máquina e análise molecular para aprimorar a busca por inibidores da acetilcolinesterase, enzima relacionada ao funcionamento do sistema nervoso.
Uma pesquisa desenvolvida no Programa de Pós-Graduação em Ciência da Computação (PPGCC) da Universidade Federal de Viçosa (UFV) apresenta uma nova abordagem computacional para identificar substâncias com potencial de inibir a acetilcolinesterase (AChE), enzima fundamental para o funcionamento do sistema nervoso e associada a processos envolvidos em doenças neurodegenerativas e intoxicações.
O estudo foi conduzido pelo doutorando nigeriano Moruf Adedeji Adeagbo, sob orientação da professora Sabrina de Azevedo Silveira, em colaboração com pesquisadores brasileiros e nigerianos. O trabalho foi publicado no periódico científico internacional Journal of Cheminformatics, da Springer Nature. A acetilcolinesterase é responsável por degradar a acetilcolina, neurotransmissor que participa da comunicação entre os neurônios e está envolvido em funções como memória, aprendizado, controle dos batimentos cardíacos e contração muscular. Por isso, compreender os mecanismos de ação dessa enzima e de seus inibidores é relevante para pesquisas sobre tratamentos e prevenção de intoxicações.
INTELIGÊNCIA ARTIFICIAL APLICADA À DESCOBERTA DE FÁRMACOS
A pesquisa combina métodos de tomada de decisão multicritério (MCDM) e aprendizado de máquina para aprimorar a seleção de representações moleculares e a previsão de compostos que podem atuar como inibidores da AChE.Os pesquisadores avaliaram sete tipos de fingerprints moleculares — representações computacionais das características das moléculas — em um conjunto de 4.620 compostos obtidos no banco de dados ChEMBL. A análise utilizou dez algoritmos de aprendizado de máquina e diferentes métricas de desempenho.
A metodologia integra comparação estatística entre modelos, seleção de representações moleculares, calibração de probabilidades e validação externa com múltiplas fontes de dados.Segundo os pesquisadores, a estrutura desenvolvida permite tornar a triagem virtual de compostos mais sistemática e reprodutível, além de poder ser adaptada à investigação de outros alvos moleculares, desde que existam dados adequados de atividade biológica. A triagem virtual permite avaliar computacionalmente grandes conjuntos de substâncias antes de eventuais testes experimentais, contribuindo para direcionar pesquisas de descoberta de medicamentos.
TRAJETÓRIA INTERNACIONAL NA UFV
Moruf Adedeji Adeagbo iniciou sua trajetória na UFV em 2020, durante o mestrado em Ciência da Computação. Graduado pela Obafemi Awolowo University, na Nigéria, ele chegou ao Brasil por meio de um convênio entre a universidade mineira e o Forum for Agricultural Research in Africa (FARA). Após concluir o mestrado, permaneceu na instituição para realizar o doutorado, com pesquisas voltadas à bioinformática e à aplicação da inteligência artificial na descoberta de fármacos.
A experiência também possibilitou ao pesquisador integrar seus conhecimentos em engenharia de software ao desenvolvimento de ferramentas computacionais para a comunidade científica. A conclusão do doutorado está prevista para 2027. Depois dessa etapa, Moruf pretende buscar oportunidades de pós-doutorado e financiamento para continuar suas pesquisas, ampliar colaborações internacionais e avançar da previsão computacional para a descoberta e validação experimental de candidatos a novos medicamentos.
O trabalho representa mais uma iniciativa ligada à internacionalização da UFV e à colaboração científica entre Brasil, África e outros países.
📄ARTIGO CIENTÍFICO
Título: Integrating multi-criteria decision-making and machine learning for fingerprint selection and virtual screening of Acetylcholinesterase inhibitors.
🔗 Leia o artigo completo, de acesso aberto: https://link.springer.com/article/10.1186/s13321-026-01300-8
