31 de outubro de 2025 — Pesquisadores da Universidade da Carolina do Norte em Charlotte desenvolveram um modelo de inteligência artificial capaz de antecipar como células imunológicas do cérebro reagem a nanopartículas formadas por RNA e DNA, abrindo caminho para a criação mais rápida e segura de terapias gênicas.
O estudo, publicado na revista Small, descreve um sistema baseado em transformador que prevê, apenas a partir da sequência de nucleotídeos, os níveis de dois citocinas liberados por micróglias humanas: interferon-β (IFN-β) e interleucina-6 (IL-6). Segundo o coordenador Kirill A. Afonin, trata-se do maior conjunto de nanopartículas de ácidos nucleicos (NANPs) já analisado de uma só vez.
Biblioteca de 176 nanopartículas
Os cientistas produziram 176 NANPs diferentes, montadas a partir de fitas curtas que se auto-organizam em formas definidas. A coleção incluiu polígonos planos — triângulos com quatro fitas, quadrados com cinco e pentágonos com seis — e cubos tridimensionais formados por seis fitas. Cada arquitetura foi sintetizada em três versões: apenas DNA, apenas RNA ou combinação dos dois.
Medições físico-químicas confirmaram diâmetro médio de 15 nm e mostraram que partículas ricas em RNA apresentaram maior temperatura de fusão. Em testes de degradação em soro, as estruturas mistas foram as mais estáveis, seguidas pelas de DNA; as de RNA se degradaram mais rápido.
Teste em micróglias humanas
Para avaliar a ativação imune, culturas de micróglias receberam quantidades iguais de cada nanopartícula. Cubos tridimensionais provocaram as respostas mais fortes, alcançando cerca de 1.000 pg/mL de IFN-β e até 8.000 pg/mL de IL-6. Polígonos planos geraram valores menores. Estruturas ricas em RNA induziram sinais mais intensos, enquanto partículas apenas de DNA quase não estimularam citocinas.
Modelo baseado em transformador
A equipe dividiu cada sequência em trincas de nucleotídeos para captar padrões curtos. Como os arranjos das fitas podem variar, o treinamento incluiu todas as ordens possíveis, levando o algoritmo a focar no conteúdo. O modelo atingiu coeficiente de determinação de 0,96 para IFN-β e 0,97 para IL-6; em nanopartículas não usadas no treino, manteve 0,91 e 0,85, respectivamente, superando redes recorrentes e Random Forest.
Imagem: linking sequence informati to immune b
Ferramenta disponível on-line
Os autores integraram o método à plataforma AI Cell, permitindo que pesquisadores insiram sequências e recebam previsões de citocinas em segundos. O serviço traz partículas-referência de baixa, média e alta ativação para facilitar a comparação.
Embora se concentre em um tipo celular, duas citocinas e arquiteturas específicas, o trabalho demonstra que informações inseridas na própria sequência são suficientes para estimar a resposta imune, oferecendo um filtro computacional que pode acelerar o desenvolvimento de terapias genéticas direcionadas ao cérebro.
Com informações de Nanowerk
