Uma das demonstrações mais marcantes do poder da química é a exploração espacial. Desde as primeiras missões não tripuladas, no final da década de 1950, até o programa do ônibus espacial e agora a Artemis, as inovações nas tecnologias de combustíveis e motores de foguetes continuam ampliando o alcance, a capacidade e a sustentabilidade da exploração espacial, uma demonstração em tempo real de como a química alimenta este campo.

Combustível otimizado para foguetes é fundamental para o sucesso da missão

Os foguetes dependem de várias combinações de combustível e oxidantes para gerar a tremenda energia necessária para superar a gravidade da Terra. Os oxidantes e os combustíveis são elementos estáveis em temperatura ambiente, mas, quando misturados e acionados por uma fonte de calor, criam uma reação explosiva que fornece empuxo para o foguete.

O ajuste da proporção entre combustível e oxidante permite aos engenheiros controlarem vários aspectos do desempenho do foguete. Cada combinação fornece um conjunto único de características, benefícios e inconvenientes, impactando medidas de desempenho como eficiência de empuxo, além de outras ponderações como toxicidade, custo e segurança. Assim, escolher o melhor pacote de propelente para cada viagem é uma decisão crítica que depende de muitas variáveis relacionadas à missão do foguete.

Os propelentes gasosos, por exemplo, são impraticáveis para a maioria dos foguetes de longa distância devido ao grande volume que seria necessário, mas a compressão e o resfriamento dessas substâncias na fase líquida correspondente fornecem uma relação volume-potência ideal para aplicações em foguetes de grande alcance. Alguns propelentes, no entanto, têm pontos de ebulição extremamente baixos e requerem resfriamento criogênico em temperaturas abaixo de –150 °C (–238 °F) para se liquefazerem. Isso pode ser uma desvantagem significativa no uso destes combustíveis para propulsão de foguetes, portanto, os benefícios devem superar os custos e desafios deste requisito de uma missão específica para justificar a sua escolha.

Duas importantes características de desempenho dos propelentes, que às vezes são confundidas, são o empuxo e o impulso específico. O empuxo mede o potencial da força de reação do propelente ou a quantidade de peso que o foguete conseguirá levantar. O impulso específico (Isp) define a eficiência com que um propelente pode converter sua massa em empuxo, com base no tempo que uma determinada quantidade de propelente pode empurrar uma carga. Os motores que usam propelentes com impulso específico alto tendem a ter menor empuxo, mas usam a massa do propelente de maneira mais eficiente. Em suma, consomem menos combustível.

A Tabela 1 compara as principais propriedades dos pacotes comuns de combustível para foguetes. O motor RS-25 empregado pelo foguete Artemis Space Launch System (SLS) da NASA usa o pacote de propelente LOX/LH₂. No entanto, os foguetes que estão em desenvolvimento por algumas organizações comerciais, inclusive o Raptor da SpaceX e o BE-4 da Blue Origin, são movidos pelo pacote Metano Líquido/LOX.

Entre os propelentes de foguetes modernos, o LOX/LH₂ apresenta o maior valor de Isp. Essa eficiência e um histórico de confiabilidade são as principais razões pelas quais o pacote LOX/LH₂ é o propelente de foguete mais usado nas últimas cinco décadas, apesar de ambos os átomos exigirem resfriamento criogênico. Além disso, embora outros propelentes liberem grandes quantidades de produtos químicos poluentes e gases de efeito estufa após a combustão, o principal subproduto produzido pela combustão do LOX/LH₂ é a água, tornando-o um combustível mais sustentável.  

Pacotes de propelente: propriedades do LOX e diversos combustíveis." data-entity-type="file" data-entity-uuid="428f0733-8e9d-437e-93c9-c99bdd862b30" src="/sites/default/files/inline-images/Table1_FINAL_rocket%20fuel.JPG" />

Observação *RP-1 (Propelente de foguete-1) é uma forma altamente refinada de querosene e é amplamente utilizada em motores de foguetes líquidos (ou seja, o motor de foguete Saturn V).

Química de reação radical de foguetes LOX/LH₂

O hidrogênio e o oxigênio são elementos estáveis que não reagem espontaneamente quando misturados em temperatura ambiente. Para que uma reação ocorra, as ligações covalentes H–H e O=O precisam ser quebradas. Quando é fornecida energia suficiente para superar a energia de ligação H–H e O=O, ocorrerá uma reação em cadeia até que a água seja formada. Esta reação em direção à estrutura estável da água libera grandes quantidades de energia durante a combustão de H₂ com O2.

. Principais reações radicais envolvidas na combustão de H2 em O2. " data-entity-type="file" data-entity-uuid="81adfa68-6a83-458f-9726-e303361dd3cb" src="/sites/default/files/inline-images/Figure1_rocket_fuel_SS.JPG" />

Apesar da aparente simplicidade desta reação, a combustão de H₂ com O2 é complexa e envolve diversas reações intermediárias com radicais H e O. As principais reações que levam à formação de água estão listadas na Figura 1. As reações de ramificação de cadeia ocorrem quando um radical gera dois ou mais radicais (Figura 1, reações 3 e 4). Como estas reações produzem mais radicais reativos que consomem, elas aceleram, explicando a natureza explosiva da reação.

Essas reações radicais nem sempre acontecem na ordem exata apresentada na Figura 1, e outros radicais não mencionados aqui podem ser formados através de outros esquemas de reação em cadeia. A mistura do propelente, a pressão e a temperatura também influenciam os mecanismos cinéticos de combustão do H₂.

Avanços no design do motor para alimentar a Artemis

Além da otimização do combustível, o projeto do motor é igualmente crítico para maximizar a potência dos foguetes modernos. Os projetos atuais de motores de foguete aproveitam inovações fundamentais desenvolvidas durante o programa de foguetes V-2 da Alemanha na Segunda Guerra Mundial. A disponibilidade de novos materiais e outras inovações tecnológicas permitiram que os engenheiros aperfeiçoassem nestes projetos para aumentar a potência, a durabilidade, a confiabilidade e a eficiência necessárias para alimentar as missões espaciais modernas.

Projetado na década de 1970 pela Aerojet Rocketdyne, o motor RS-25 foi originalmente desenvolvido e usado nas missões do ônibus espacial da NASA. Depois de cinco gerações de inovação, os RS-25 que alimentam o foguete SLS da Artemis são motores criogênicos sofisticados que incorporam décadas de avanços tecnológicos e otimizações de design, que os tornaram alguns dos motores de foguete mais eficientes e potentes já produzidos.

Para criar um empuxo poderoso e consistente, os motores de foguete precisam ser alimentados com um grande volume de propulsor líquido de alta velocidade pela turbobomba. A primeira versão da turbobomba (Figura 2) foi desenvolvida pelos engenheiros do V-2 na década de 1940. Foi revolucionária no design e no desempenho, com uma turbina a vapor girando a 4.000 rpm para acionar bombas centrífugas tanto para o combustível quanto para o oxidante. Mais de 60 anos depois, a turbobomba moderna ainda é um dos componentes mais críticos e complexos, responsável pelo desempenho dos motores de foguete modernos.

Evolução da propulsão de foguetes tripulados nos EUA

Enginehistory.org. " data-entity-type="file" data-entity-uuid="eae9ddc9-afb9-4e24-86fc-f4360b919415" src="/sites/default/files/inline-images/Figure2_rocket_SS_0.JPG" />

 

Os motores RS-25 do foguete Artemis utilizam o pacote de propelente criogênico LOX/LH₂ com base no impulso específico superior. No entanto, uma diferença significativa entre as taxas de densidade e vazão do LH₂ e do LOX impede que o RS-25 opere com uma única turbobomba. A densidade do hidrogénio é extremamente baixa (71 g/L), o que significa que será necessário 2,7 vezes mais LH₂ para corresponder proporcionalmente à quantidade de LOX para ocorrer uma combustão eficiente. Para acomodar esses líquidos criogênicos muito diferentes e suas propriedades físicas, o RS-25 utiliza duas turbobombas separadas.

Essas modernas turbobombas de alta pressão são proezas da engenharia. Suas turbinas contêm dezenas de pás que têm apenas o tamanho de uma moeda de um quarto de dólar. Girando entre 28.000 e 35.000 rpm, cada pá fornece mais potência que um motor de Corvette, permitindo que essas turbobombas gerem dezenas de milhares de cavalos de potência.

Aspirações espaciais que impulsionam a inovação em todos os setores

As tecnologias de combustível e motores de foguetes são áreas óbvias de inovação impulsionadas pelo programa espacial. No entanto, o foco atual na volta dos humanos à Lua e, por fim, na chegada a Marte também serve como catalisador para acelerar novas pesquisas em uma vasta gama de indústrias, inclusive na medicina, ciência dos materiais, comunicações, eletrônicos e até a agricultura. Muitas dessas inovações, além de viabilizarem missões espaciais, geram melhorias em produtos que beneficiam também a todos nós aqui na Terra.

Interessado em outras inovações tecnológicas que estão em desenvolvimento para a missão Artemis? Leia mais sobre inovações na ciência dos alimentos que nutrirão os astronautas que vão para a Lua e além.

Maximizar o ROI da digitalização: um desafio para as empresas farmacêuticas

Em média, as empresas farmacêuticas levam de 10 a 15 anos para desenvolver, validar e comercializar um produto novo. No entanto, a recente pandemia de COVID-19 e o desenvolvimento bem-sucedido e veloz de uma vacina de mRNA revelaram o potencial das ferramentas digitais para acelerar processos. Esse grande evento aprofundou o interesse da indústria farmacêutica de enfrentar a transformação digital e implementar ferramentas cognitivas nos seus processos. Porém, a digitalização é um processo complicado e difícil de ser realizado com sucesso.

Cerca de 55% das empresas farmacêuticas afirmam usar as tecnologias digitais até certo ponto. No entanto, a falta de conhecimento especializado em gestão do conhecimento e de experiência com ferramentas digitais muitas vezes transforma uma iniciativa inteligente num investimento questionável. Como cerca de 70% dos programas de digitalização falham, as empresas farmacêuticas precisam reavaliar onde investir os recursos para a digitalização e otimizar suas estratégias de implementação para obter vantagens competitivas e gerar produtos farmacêuticos que transformam vidas.

Com uma compreensão profunda e robusta da gestão do conhecimento, das ferramentas cognitivas e de como elas se interligam, as empresas farmacêuticas poderão revolucionar seus processos em todos os níveis e promover uma melhora nos serviços de saúde globais.

Digitalização e gestão do conhecimento: facilitando o acesso aos dados em toda a empresa para acelerar a inovação

As empresas farmacêuticas geram volumes enormes de informações, desde informações sobre ingredientes, formulações e dados de ensaios clínicos a relatórios de tempo de processamento, produção e controle de qualidade. Esses novos documentos se acumulam rapidamente ao usar fontes de informações legadas existentes e bancos de dados isolados, tornando a busca e a recuperação um desafio. Não estruturados e não harmonizados, os resultados de experiências anteriores se perdem no mundo dos “dados obscuros”, representando cerca de 55% de todo o conhecimento da organização.

Sem acesso fácil aos dados históricos entre departamentos, as empresas farmacêuticas provavelmente repetirão erros anteriores ou investigarão questões que já foram respondidas. A digitalização é fundamental para acelerar a inovação e reduzir significativamente o tempo de lançamento do produto no mercado.

As empresas farmacêuticas estão transformando documentos históricos, como diários, conjuntos de dados e relatórios de laboratório em ativos pesquisáveis, inseridos em uma plataforma de gestão de conhecimento conectada. Isso permite que pessoas da organização toda acessem informações sobre ingredientes, detalhes de fornecedores, diretrizes regulatórias e outras informações científicas e comerciais. Essas empresas estão dando um passo à frente ao introduzir uma interface de usuário online para conectar equipes em diferentes departamentos e regiões.

Com uma digitalização cuidadosa, as empresas farmacêuticas vão facilitar, agilizar e expandir ainda mais a P&D, a produção e a comercialização, e, simultaneamente, promover o trabalho interdisciplinar e a colaboração internacional.

Simplificando o desenvolvimento de medicamentos: acelerando a inovação de terapias com ferramentas cognitivas

A era da digitalização está transformando a indústria farmacêutica, ao fornecer aos pesquisadores ferramentas revolucionárias para melhorar o tempo de lançamento no mercado e aumentar a segurança.

O desenvolvimento de vacinas contra a COVID-19 em menos de um ano tornou a Pfizer o centro das atenções da indústria farmacêutica. Ainda que a eficiência da força de trabalho da Pfizer seja indiscutível, o tempo de resposta sem precedentes e a vantagem competitiva da empresa estão fundamentados em pipelines bem-estabelecidos, implementados muito antes da pandemia. Uma pioneira em estratégias digitais, a Pfizer compreendeu o potencial transformador da gestão do conhecimento, da análise de dados e das iniciativas de IA para o setor farmacêutico e incorporou-as em suas operações diárias.

Com décadas de experiência e dados de pesquisa disponíveis, as gigantes farmacêuticas podem restringir os principais candidatos às melhores e mais seguras opções. Por exemplo, algoritmos baseados em IA combinados com dados clínicos anteriores permitiram aos pesquisadores conceber e supervisionar extensos ensaios clínicos com modelos preditivos em tempo real das taxas de ataque da COVID-19. Expandindo os limites para além das portas do laboratório, as estratégias de gestão do conhecimento e os modelos de IA permitiram realizar a previsão de inventário e o monitoramento da cadeia de suprimentos, agilizando o desenvolvimento, a distribuição e a acessibilidade das vacinas.

Bases de dados robustas e ferramentas cognitivas implementadas em toda a cadeia de valor deram à Pfizer uma vantagem definitiva na corrida pelas vacinas contra a COVID-19. Da seleção inicial de candidatos a medicamentos ao monitoramento do tratamento, ficou comprovado o poder das ferramentas cognitivas na aceleração do desenvolvimento de medicamentos. No entanto, as previsões de IA só atingem todas as suas capacidades se forem devidamente treinadas com conjuntos de dados limpos, tratados e protegidos. Para lançar ou otimizar a IA em fluxos de trabalho de P&D da indústria farmacêutica, você deve primeiro avaliar a qualidade dos dados e da infraestrutura de gestão do conhecimento.

Digitalização e segurança de dados: proteção de informações proprietárias, privacidade do paciente e integridade da pesquisa

Por meio de extensas fases de descoberta de medicamentos e ensaios clínicos, a indústria farmacêutica tem acesso a processos críticos de fabricação e informações sobre a saúde dos pacientes. São dados preciosos para concorrentes e pessoas mal-intencionadas. Com o crescimento dos ataques cibernéticos (quase 1 a cada 39 segundos) e do roubo de identidade médica (35% em 2019), a implementação de estratégias de segurança robustas na indústria farmacêutica é agora uma questão urgente.

Os relatórios definem as empresas farmacêuticas como os principais alvos dos ciberataques, com 53% das violações de privacidade resultantes de atividades maliciosas. As informações confidenciais espalhadas por diferentes departamentos, plataformas e software tornam um desafio para as empresas garantir a proteção de dados e um ambiente seguro. A implementação de uma interface de gestão do conhecimento completa permite à organização impor um controle rígido de acesso do usuário e, ao mesmo tempo, eliminar violações de dados. Plataformas colaborativas em nuvem com canais seguros onde pesquisadores e médicos possam compartilhar informações sensíveis com segurança e evitar riscos de corrupção de dispositivos se tornaram mais comuns na indústria farmacêutica. No entanto, a transição de soluções legadas locais e isoladas para plataformas em nuvem ou versões híbridas personalizadas é complexa e de adoção lenta. Para agilizar a transição para ecossistemas atualizados de gestão do conhecimento e salvaguardar os dados, as empresas farmacêuticas devem procurar parceiros de transformação digital com conhecimento na área.

A transformação digital na indústria farmacêutica

A digitalização tem o potencial de transformar drasticamente a indústria farmacêutica, permitindo uma melhor gestão do conhecimento, uma inovação acelerada e uma maior segurança dos dados e, simultaneamente, reduzir o tempo de lançamento dos medicamentos no mercado. No entanto, uma estratégia de transformação digital mal concebida pode gerar desperdício de recursos e aumentar os riscos.

À medida que continua a evolução da transformação digital da indústria farmacêutica, as tecnologias digitais e ferramentas cognitivas estão ocupando todos os aspectos da indústria, ao permitir um desenvolvimento mais rápido de medicamentos e opções de tratamento ampliadas para um número crescente de doenças. A transformação digital está empenhada em levar soluções inovadoras de saúde de forma sustentável, responsável e acessível.

Para saber mais sobre transformação digital e gerenciamento de dados, confira nossos estudos de caso com o CAS Custom Services^SM.

Os dias de uma bancada cheia de produtos e rotinas com cosméticos intermináveis são coisas do passado. Na sociedade acelerada de hoje, os consumidores procuram por aquele produto que faz tudo.

Entram em ação os cosméticos funcionais.

Pode ser um produto para a pele com propriedades de hidratação, antienvelhecimento e tratamento de manchas, ou uma máscara capilar anti-frizz, reparadora de fios e condicionadora para o banho, os consumidores estão exigindo mais do que nunca dos cosméticos. Esta procura, no entanto, pressiona a indústria cosmética para continuar a formular produtos que tratem diversos problemas ao mesmo tempo.

Ao acompanhar os mais recentes desenvolvimentos em ingredientes multifuncionais, incluindo quitosana e lignina, bem como sistemas de delivery inéditos, como o uso de nanotecnologia, os formuladores podem continuar a fornecer produtos inovadores para um mercado em rápida evolução e de alta demanda.

Ingredientes heróis (hero ingredients)

Uma das grandes ferramentas que a indústria de cosméticos utiliza para formular cosméticos multifuncionais são os chamados “ingredientes heróis”. São ingredientes que oferecem diversos benefícios simultaneamente, permitindo formulações com apenas alguns ingredientes para tratar diversos problemas.

Alguns ingredientes heróis comuns de cosméticos são:

Ingrediente	Propriedades do hero
Manteiga de karité	Anti-inflamatório  Antioxidante Antienvelhecimento
Óleo de coco	Repara a barreira cutânea Antimicrobiano  Anti-inflamatório  Antioxidante Antienvelhecimento Cicatrizante
Niacinamida	Anti-inflamatório Antimicrobiano Antioxidante Antipruriginoso
Cafeína	Estimula o crescimento capilar Melhora a microcirculação Protetor UV Antioxidante
Própolis	Antisséptico Anti-inflamatório Antioxidante Antimicrobiano Cicatrizante

Com o maior interesse dos consumidores em listas com poucos ingredientes e em “cosméticos limpos”, os ingredientes heróis são fáceis de vender para pessoas que procuram uma resposta de um único ingrediente para todas as suas necessidades cosméticas. Além de ajudar na formulação, muitos desses ingredientes são considerados “naturais” ou “limpos”, proporcionando uma clara vantagem comercial.

Hidratantes hercúleos

Os hidratantes estão entre alguns dos ingredientes cosméticos mais versáteis. São ingredientes que geralmente fornecem hidratação para pele, cabelos e unhas e podem ser usados para desenvolver produtos multifuncionais para todas essas aplicações. Os séruns e óleos hidratantes agora são comercializados como um substituto único para uma coleção de produtos, incluindo cremes para as mãos, hidratantes faciais, hidratantes corporais e máscaras condicionadoras de cabelo.

Os ingredientes hidratantes podem fazer mais do que atingir diversas áreas do corpo. Eles podem ser usados em cosméticos multifuncionais, que também proporcionam benefícios antienvelhecimento, antioxidantes e antimicrobianos. Óleos vegetais, incluindo manteiga de karité e óleo de coco, são os candidatos mais comuns da indústria de cosméticos. No entanto, novas pesquisas identificaram a quitosana como um novo candidato.

A quitosana pode ser usada na pele e no cabelo para hidratar e proteger. Acredita-se que dentre os benefícios da quitosana estão:

• Propriedades umectantes
• Propriedades emolientes
• Propriedades antimicrobianas
• Condicionamento cutâneo
• Proteção UV
• Propriedades antioxidantes

Antioxidantes incríveis

Quitosana, como ingrediente com propriedades antioxidantes, se juntará a outros produtos cosméticos básicos como manteiga de karité, óleo de coco, niacinamida e própolis. Cada ingrediente aporta a própria multifuncionalidade, criando um conjunto de opções na formulação de cosméticos com atividade antioxidante.

Outro candidato recente para cosméticos antioxidantes é a lignina. Derivada de fontes naturais, incluindo a cana-de-açúcar, a lignina possui atividade antioxidante distinta, que pode ser aproveitada para aplicações cosméticas. Em um estudo de 2023, a lignina demonstrou ter a capacidade igual ou levemente superior de eliminar radicais livres que o padrão de cosméticos. O estudo também mostrou que a lignina pode ser usada como pigmento cosmético natural e também como proteção UV, destacando seu potencial como um ingrediente herói do futuro.

Proteção solar espetacular

O potencial da lignina na proteção UV supera indiscutivelmente o de suas propriedades antioxidantes. Demonstrando ser um potente bloqueador de UV, tanto in vitro quanto em voluntários humanos, a lignina apresenta uma excelente oportunidade para o futuro dos cosméticos multifuncionais com proteção contra UV. Com o aumento das orientações sobre proteção solar, os consumidores procuram produtos com FPS que também tratem outros problemas de pele.

Outra via de pesquisa é a adição de ácido rosmarínico às formulações de filtros solares, que demonstrou aumentar o FPS em 41%, além de adicionar propriedades antioxidantes. Uma barreira importante para formulações de cosméticos multifuncionais com FPS é que qualquer novo ingrediente não pode comprometer a proteção solar do produto, tornando ingredientes como o ácido rosmarínico, que pode melhorar o FPS, além de trazer outros benefícios, uma excelente oportunidade para os formuladores.

Tratamentos incríveis para manchas

 

Os produtos para tratamento de manchas geralmente precisam ter mais de uma função, incluindo hidratação da pele, cicatrização e propriedades antioxidantes. Ingredientes anti-inflamatórios e antimicrobianos ajudam a combater as causas das manchas de acne, e os que proporcionam cicatrização de feridas e reparação da barreira cutânea podem reduzir cicatrizes. Dessa forma, os ingredientes para tratamento de manchas precisam oferecer versatilidade até mesmo em sua função principal.

Com uma ampla variedade de ingredientes antimicrobianos e anti-inflamatórios em uso na indústria de cosméticos, os formuladores têm diversos ingredientes ativos à disposição. Aloe vera, hamamelis, ácido salicílico, peróxido de benzoíla e retinol são escolhas comuns para tratamento de manchas, oferecendo propriedades antimicrobianas e anti-inflamatórias a produtos como hidratantes.

No entanto, os ingredientes heróis são só parte da história. Métodos inovadores de delivery dos ingredientes aumentam sua eficácia e longevidade. Recentemente, foi desenvolvido um sistema de delivery de ingredientes cosméticos antiacne por nanotecnologia para liberar os ingredientes ativos lentamente ao entrar em contato com a pele e apresentou maiores propriedades antimicrobianas e antioxidantes.

A formulação perfeita

A indústria de cosméticos está enfrentando o desafio de criar formulações mais avançadas e versáteis do que nunca, à medida que os consumidores continuam a simplificar suas rotinas com cosméticos. O uso pleno de ingredientes heróis para agregar mais funcionalidade às fórmulas cosméticas ajudará os desenvolvedores a atingir esse objetivo e manter seus produtos na vanguarda desta nova onda de cosméticos multifuncionais.

Investir em ingredientes heróis emergentes, como quitosana e lignina, ajudará os formuladores a avançar no desenvolvimento de produtos, e a adoção de novos sistemas de delivery usando nanotecnologia pode obter mais funcionalidade dos ingredientes existentes do que nunca. Manter-se atualizado com as pesquisas mais recentes em cosméticos multifuncionais continuará a apoiar o desenvolvimento inovador e a quebrar os limites do que os consumidores podem esperar dos produtos cosméticos.

Leia mais sobre como o CAS pode ajudar a criar a formulação perfeita, ao descobrir como fizemos uma parceria com a Citrine para prever deformulações usando IA.

Com as mudanças nos hábitos alimentares dos consumidores, por razões pessoais e de saúde, bem como com a pressão social no sentido de práticas alimentares mais sustentáveis, a popularidade das carnes à base de plantas disparou nos últimos anos. As inovações no setor continuam a aumentar a qualidade das alternativas à carne e a produzir mais opções do que nunca, gerando um mercado diversificado e competitivo.

Dado que a sustentabilidade da carne vegetal é um dos maiores impulsionadores do aumento do interesse do público por esses produtos, os consumidores procuram alternativas que possam ser utilizadas para reduzir o consumo de carne e diminuir o impacto ambiental sem sacrificar as suas experiências alimentares favoritas. Como os fabricantes podem fornecer um produto sustentável e de qualidade que satisfaça as elevadas expectativas dos consumidores quanto a sabor e textura?

As alternativas baseadas em plantas são mesmo sustentáveis?

Os impactos ambientais negativos causados pela indústria da produção de carne têm sido documentados e compreendidos há muito tempo. As emissões geradas pela pecuária e pela própria indústria combinadas são responsáveis por cerca de 15% dos gases de efeito estufa globais. Com previsão de aumento dessas emissões de 9% até 2031, tornam-se mais críticas do que nunca soluções que reduzam a demanda por carne.

As inovações da carne vegetal são uma dessas soluções. Quando se trata somente de emissões de carbono, as carnes vegetais chegam a ser até 120 vezes mais eficientes que os produtos de carne. Um estudo recente de 2021 apurou que os hambúrgueres vegetais têm uma influência 77% menor sobre as alterações climáticas que os hambúrgueres de carne bovina, com redução no uso da terra e água, na eutrofização e na acidificação.

A principal crítica feita contra a sustentabilidade da carne vegetal é que os produtos alternativos à carne podem não ser tão sustentáveis quanto uma dieta de alimentos vegetais integrais. Embora seja um debate válido, as alternativas à carne oferecem aos consumidores de carne uma mudança comportamental mais viável do que mudar diretamente para uma dieta de alimentos vegetais integrais, proporcionando-lhes uma transição mais suave para uma solução sustentável.

Fazendo a mudança

Apesar da preocupação generalizada com a crise climática e da compreensão quanto ao impacto ambiental da pecuária, muitos consumidores ainda têm dificuldade de cortar a carne da alimentação. Querer ser mais sustentável muitas vezes não é suficiente para impulsionar a mudança comportamental de reduzir ou eliminar o consumo de carne. A carne vegetal é um substituto da carne que oferece o caminho perfeito para superar esse dilema.

Ao desenvolver produtos vegetais com sabor e textura semelhantes aos produtos de origem animal, os inovadores oferecem aos consumidores a oportunidade de desfrutar o melhor dos dois mundos. Visar o público flexitariano é fundamental para os fabricantes, dado que os substitutos da carne são muito procurados pelos consumidores que não pretendem fazer uma transição completa para uma dieta vegetariana. Uma análise da Universidade de Bath relatou que 90% dos consumidores de carnes e laticínios vegetais ainda mantinham a carne na alimentação.

Os consumidores estão comprando a ideia de que podem aumentar a sustentabilidade substituindo parte do consumo de carne por alternativas à base de carne vegetal – mas será que esses produtos proporcionam essa sustentabilidade? As pesquisas mostram que sim. Ainda que sejam pequenas e factíveis, essas mudanças geram enormes impactos ao meio ambiente. Um estudo apurou que substituir apenas 5% do consumo de carne da Alemanha por proteína de ervilha reduziria as emissões de gases com efeito de estufa em 8 milhões de toneladas por ano.

Dessa forma, os fabricantes começam a trilhar um caminho autêntico rumo a um futuro mais verde – um futuro mais acessível para a maioria das pessoas. Ao continuarem a inovar e a aumentar a sustentabilidade de seus produtos, os fabricantes farão um apelo aos objetivos ambientais de seus consumidores e continuarão a incentivar mais investimentos na sustentabilidade da carne vegetal.

A escolha de uma proteína vegetal

A escolha da proteína vegetal está no centro do desenvolvimento de qualquer novo produto substituto da carne. As fontes de proteína afetam as propriedades de sabor e textura do produto, seu valor nutricional e sua sustentabilidade – todas as áreas nas quais os fabricantes precisam atrair consumidores. O crescimento considerável na demanda do consumidor levou a um valor esperado do mercado de proteínas vegetais de US$ 162 bilhões até 2030. Essa vasta indústria consiste em uma variedade de fontes para os inovadores escolherem, algumas mais estabelecidas que outras, com fontes atuais e futuras incluindo:

Já estabelecidas	Soja Trigo Ervilha
Em ascensão (espera-se que tenham uma base de consumidores estabelecida em 1 a 3 anos)	Milho Arroz Grão-de-bico
Em desenvolvimento (espera-se que tenham uma base de consumidores estabelecida em 3 a 5 anos)	Fungos Canola
Caminhos futuros (espera-se que tenham uma base de consumidores estabelecida depois de 5 anos)	Algas Alternativas celulares

As fontes de proteína de soja, trigo e ervilha têm os benefícios de baixo custo, boa oferta e alto valor nutricional, tendo sido as primeiras a se estabelecerem na indústria. Com base nessas vantagens, a nova onda de fontes, incluindo milho, arroz, grão-de-bico, fungos e canola, concentra-se no aumento da funcionalidade para o desenvolvimento de produtos. Isso dará maior controle aos desenvolvedores para criar produtos com os atributos de sabor e textura que os consumidores procuram.

Dando um passo adiante, caminhos futuros, como algas e alternativas celulares, se empenham para ser as fontes de proteína mais sustentáveis até agora. Embora as atitudes dos consumidores ainda precisem mudar em relação a essas proteínas, elas são altamente renováveis e geram um impacto ambiental extremamente baixo, tornando a carne vegetal uma oferta mais sustentável.

O futuro da sustentabilidade com a carne vegetal

As alternativas de carne vegetal desempenharão um papel considerável no futuro da sustentabilidade alimentar. Como uma forma fácil para os consumidores de carne reduzirem o consumo de produtos de origem animal sem terem de alterar seu comportamento alimentar, as alternativas à carne podem encorajar uma percentagem muito maior de pessoas a reduzir o consumo de carne animal, com impactos ambientais drásticos.

Essa mudança ambiental depende de as empresas desenvolverem produtos atraentes que imitem o sabor, a textura e a aparência da carne da maneira mais fiel possível. À medida que as pesquisas avançam com fontes de proteína vegetal mais sustentáveis, é provável que a popularidade da carne vegetal continue a aumentar. Para saber mais sobre a agricultura sustentável e novas abordagens de fertilizantes que ajudarão a reduzir as emissões de carbono, leia o nosso artigo recente sobre agricultura sustentável.

A química verde começou com catalisadores ecológicos, mas o que há de mais recente neste campo emergente? Os catalisadores são indispensáveis em todas as indústrias, disciplinas e laboratórios de P&D e nosso resumo mais recente identifica as novas oportunidades, desafios e inovações. Em todas as indústrias, de energia a agricultura, produtos farmacêuticos e muito mais, os catalisadores são um componente essencial para melhorar as métricas de sustentabilidade.

Por que maior nem sempre é melhor quando se trata de ferramentas de IA e aplicativos especializados

Desde seu lançamento em 2022, o ChatGPT redefiniu a conversa sobre IA. Tendo sido aclamado como um milagre e uma ameaça – desde promessas positivas, como a revolução do trabalho e a revitalização das cidades, até impactos negativos, como a substituição de empregos hoje ocupados por humanos, os grandes modelos de linguagem (LLM) são considerados capazes de fazer tudo e muito mais.

Qual é a diferença entre o ChatGPT e o GPT-3/GPT-4?

Existem diferenças importantes entre o ChatGPT e os próprios LLMs, denominados GPT- com um número (ou seja, GPT-3 ou GPT-4). Muitas vezes, são confundidos ou usados ​​de forma intercambiável, mas o ChatGPT é o aplicativo chatbot com interface “fácil de usar” que roda em cima dos LLMs mais complexos (GPT-3 ou GPT-4).

GPT-3 e GPT-4 são versões diferentes em uma série de modelos de transformadores generativos pré-treinados. Os transformadores são um tipo de rede neural conhecida como modelos de linguagem. Esses modelos podem aprender a reconhecer padrões e contextos em dados pouco estruturados, como palavras em frases. Os transformadores são especialmente bons nisso. Um modelo generativo, quando é fornecido um contexto, pode gerar uma saída arbitrariamente longa a partir de um prompt. Os modelos GPT combinam os dois tipos de modelo.

Por outro lado, ChatGPT é o aplicativo que roda sobre LLMs como GPT-3 ou GPT-4. Possui um módulo de memória para continuar conversas anteriores e possui filtros, classificadores e muito mais módulos integrados para minimizar respostas tóxicas ou inadequadas.

O que é necessário para construir um LLM?

Os LLMs são impressionantes. O GPT-3 tem 175 bilhões de parâmetros, ou valores que o modelo pode alterar de forma independente à medida que aprende. O GPT-4, a versão mais recente da série GPT lançada em 2023 é ainda maior, com 1 trilhão de parâmetros. Como qualquer pessoa que os tenha utilizado pode atestar, estes modelos têm um conhecimento incrivelmente amplo e habilidades surpreendentemente boas para produzir informações coerentes.

Porém, essas funcionalidades têm, literalmente falando, custos. Treinar os modelos GPT, cada vez maiores, e implantar aplicativos como o ChatGPT é um tremendo feito de engenharia. Estima-se que o GPT-3 custou US$ 4,6 milhões para ser criado e pelo menos US$ 87.000 ao ano para operar na nuvem. O desenvolvimento do GPT-4 provavelmente custou impressionantes US$ 100 milhões, ou mais.

Além desses números estão os custos significativos do hardware e dos recursos para mantê-lo funcionando e, ao mesmo tempo, garantir que os data centers sejam mantidos refrigerados. Os data centers podem usar bilhões de litros de água e o ar-condicionado consome energia e contribui com as emissões, o que obriga as organizações a avaliar os custos e benefícios destas poderosas ferramentas. Por causa dos custos iniciais e contínuos, os LLMs já são proibitivamente caros para a maioria das empresas privadas, universidades e organizações do setor público, e isto continuará à medida que os modelos se tornarem maiores e mais poderosos.

As limitações dos LLMs

Por contar com componentes estruturais específicos, os modelos dos transformadores capturam a relação entre diferentes entradas e, graças a grandes quantidades de textos de amostra, os LLMs modernos tornaram-se muito bons em extrair a semântica ampla de um trecho de texto e em acompanhar as relações entre os elementos textuais. Os modelos generativos como o GPT-3 foram um passo além e aprenderam a acompanhar essas relações tanto nas perguntas quanto nas respostas. Geralmente, os resultados são convincentes. Podemos pedir ao ChatGPT um número entre 0 e 100, ou perguntar se o colesterol é um esteroide, e ele provavelmente dará a resposta certa.

Para aplicações especializadas, como as pesquisas científicas, no entanto, os grandes modelos de linguagem podem ter dificuldade de ir além da semântica ampla e compreender informações específicas e diferenciadas. Por que isso acontece? Primeiro, porque os LLMs não são imunes ao problema do “entra lixo/sai lixo”. Segundo, mesmo treinados com dados de alta qualidade, as informações de treinamento relevantes podem estar sub-representadas.

Tópicos amplos e descritos com frequência são bem captados pelos LLMs, mas tópicos restritos e especializados são quase sempre sub-representados e tendem a ser tratados com menor exatidão. Por exemplo, um grande modelo de linguagem pode chegar ao nível de abstração correto e determinar se alguma coisa é uma molécula de esteroide. Poderia até reconhecer duas moléculas de esteroides da mesma família, mas não poderia reconhecer de forma consistente se uma é extremamente tóxica e a outra não. A capacidade de um grande modelo de linguagem fazer essa distinção depende dos dados utilizados para o treinamento e se a informação correta foi reconhecida e “memorizada”. Se a informação estiver escondida em um mar de informações ruins ou conflitantes, então não há como o modelo encontrar a resposta correta.

Algumas pessoas podem até argumentar que mais dados, dados mais limpos e modelos maiores resolveriam esse problema. Eles podem estar certos, mas e se pedirmos a um LLM generativo um número aleatório entre 0 e 100? Como podemos ter certeza de que o número fornecido é verdadeiramente aleatório? Para responder a essa pergunta, precisamos ir além da semântica lexical e dos fatos memorizados, além dos LLMs e ir em direção aos agentes de IA. Aqui, o agente cria um trecho de código executável usando procedimentos validados, encaminha-o para outro processo executar, processa o resultado e apresenta a resposta ao usuário.

Desafios específicos com dados científicos

Como os meus colegas do CAS sabem muito bem, os dados científicos são muito mais complexos que textos, e a maioria dos problemas não pode ser expressa em uma ou duas perguntas.

Ao utilizar ferramentas baseadas em IA para pesquisa científica, devemos nos perguntar: que problema estamos tentando resolver? Muitos problemas envolvem linguagem ou sequências pouco estruturadas, portanto os modelos de linguagem são perfeitos. Mas, e quanto aos dados tabulares, dados categóricos, gráficos de conhecimento e séries temporais? Estas formas de dados são necessárias para a pesquisa científica, mas os LLMs nem sempre conseguem aproveitá-las. Isso significa que os LLMs por si só não podem fornecer o nível de especificidade necessário para uma aplicação como a pesquisa molecular. Em vez disso, assim como uma orquestra precisa de vários instrumentos para produzir um som coeso, a ciência precisa de múltiplas ferramentas na caixa de ferramentas de IA para produzir resultados coerentes.

Uma abordagem sistêmica com profundidade e amplitude

Se, por si sós, os LLMs por não são adequados para a pesquisa científica, então o que será? A resposta está em uma abordagem sistêmica que utiliza vários tipos de modelos para gerar resultados especializados. Ao sobrepor modelos de linguagem e redes neurais com ferramentas tradicionais de aprendizado de máquina, gráficos de conhecimento, quimioinformática e bioinformática, bem como métodos estatísticos como o TF-IDF, os pesquisadores podem incluir informações profundas e diferenciadas nos programas orientados por IA.

Estas ferramentas podem fornecer os resultados específicos necessários para tarefas como o desenvolvimento de novas moléculas de medicamentos ou a invenção de um novo composto. Os gráficos de conhecimento são particularmente valiosos porque atuam como uma verdade absoluta - conectam de forma confiável entidades conhecidas: uma molécula, reação, artigo publicado, conceito controlado, etc. Um caso de uso ideal é aproveitar uma rede neural profunda que possa afirmar: “Este é um certo tipo de substância” e junto vem um gráfico de conhecimento que valida a precisão. É assim que chegamos aos fatos confiáveis necessários para a pesquisa científica.

Este tipo de abordagem de sistemas é essencialmente uma função de verificação de fatos, que, além de melhorar a confiabilidade dos dados, está se mostrando eficaz em aplicações especializadas. Por exemplo, a Nvidia lançou recentemente o Prismer, um modelo de linguagem sobre elementos visuais projetado para responder perguntas sobre imagens ou fornecer legendas para elas. Este modelo usa uma abordagem de “mistura de especialistas” que treina vários submodelos menores. A profundidade do conhecimento desse modelo proporcionou resultados de qualidade sem treinamento massivo — seu desempenho se igualou ao de modelos treinados com 10 a 20 vezes mais dados.

O Google também está trabalhando em uma abordagem similar, na qual o conhecimento é extraído de um modelo de linguagem “professor”, de uso geral, para modelos “estudante”, menores. Os modelos alunos apresentam informações melhores que o modelo maior devido ao seu conhecimento mais profundo – um modelo estudante treinado em 770 milhões de parâmetros superou o desempenho de seu professor de 540 bilhões de parâmetros em uma tarefa de raciocínio especializada. Embora o modelo menor demore mais para ser treinado, os ganhos contínuos de eficiência são valiosos, pois é mais barato e mais rápido de ser processado.

Aperfeiçoando a pesquisa científica

Outro exemplo de uma abordagem de sistemas bem-sucedida é o PaSE, ou o Patent Similarity Engine (Mecanismo de similaridade de patente), desenvolvido por meus colegas e eu no CAS, que potencializa recursos exclusivos do CAS STNext e do CAS SciFinder. Desenvolvemos esse modelo como parte de nossa colaboração com o Instituto Nacional de Propriedade Industrial (INPI) do Brasil, o escritório nacional de patentes do país. Ele foi projetado para processar grandes quantidades de informação em alguns minutos, para que os pesquisadores pudessem resolver atrasos persistentes de patentes.

Um dos componentes da solução é um modelo de linguagem que usa as mesmas técnicas críticas de aprendizado de máquina da família GPT, mas contém tipos adicionais de aprendizado, incluindo gráficos de conhecimento, quimioinformática e métodos estatísticos tradicionais de recuperação de informações. Ao treinar o modelo na ciência mundial, como as patentes de texto completo e periódicos dentro do CAS Content Collection^TM, o PaSE alcançou a profundidade e a amplitude necessárias para encontrar a “anterioridade” 50% mais rápido que a pesquisa manual.

Para os escritórios de patentes, é extremamente desafiador provar que algo não existe. Pense no ditado: “Ausência de evidência não é evidência de ausência”. Nossos cientistas de dados treinaram e otimizaram o modelo em conjunto com especialistas em busca de patentes, a equipe brasileira do INPI e uma combinação única de ferramentas de IA que identificaram a anterioridade com 40% menos de buscas manuais. Devido a esse desempenho e à redução dos atrasos de patentes, recebeu o Prêmio Stu Kaback Business Impact do Patent Information Users Group em 2021.

O caminho a ser seguido pelos grandes modelos de linguagem na ciência

Esta experiência mostra que os LLMs continuarão a desempenhar um papel significativo na pesquisa científica no futuro, mas, ao contrário da crença popular, esta ferramenta não é uma panaceia para todos os problemas ou necessidades.

Gosto de pensar nesses modelos em termos de organização de um cômodo bagunçado da sua casa, digamos, um closet ou um quartinho na garagem. Pessoas diferentes organizariam os itens nesses cômodos de maneiras diferentes. Uma pessoa organizaria tudo por cor, enquanto outra poria juntos todos os objetos de valor e outra pessoa os organizaria por função. Nenhuma dessas abordagens está errada, mas pode não ser o tipo de organização que desejada ou necessária. Este é essencialmente o problema dos LLMs que organizam as informações de determinada forma, mas não da forma que um cientista ou pesquisador precisa.

Para aplicações especializadas em que um usuário necessita de determinado resultado, como sequências de proteínas, informações de patentes ou estruturas químicas, os modelos alimentados por IA devem ser treinados para organizar e processar informações de formas específicas. Eles precisam organizar os dados, os resultados e as variáveis da forma que os usuários querem para otimizar o treinamento e as previsões.

Para saber mais sobre o impacto dos dados, sua representação e modelos que estão aperfeiçoando predições na ciência confira nossos estudos de caso com o CAS Custom Services. Quer saber mais sobre o cenário emergente da IA e a química? Leia nosso relatório técnico mais recente sobre as oportunidades que a IA oferece para a química ou explore nossos recursos sobre como a IA pode melhorar a produtividade em escritórios de patentes em todo o mundo.

O aumento global de casos de câncer

O aumento de casos de câncer e a mortalidade associada vêm crescendo rapidamente em todo o mundo, impulsionados pelo envelhecimento da população, bem como pelas mudanças na prevalência e distribuição dos principais fatores de risco para o câncer. Prevê-se que serão diagnosticados 28,4 milhões de casos de câncer em 2040: um aumento de 47% em comparação com 2020.

O câncer de mama feminino ultrapassou o câncer de pulmão como o tipo mais diagnosticado de câncer, com uma estimativa de 2,3 milhões de novos casos em 2020 (11,7%), seguidos pelos cânceres de pulmão (11,4%), colorretal (10,0%), de próstata (7,3%) e de estômago (5,6%). Imunoterapias como os inibidores de checkpoint têm se mostrado um avanço crítico no tratamento do câncer. Apesar dessa descoberta, a imunoterapia não é uma panaceia para todos os tipos de câncer. Nem todos os tipos de tumor respondem aos agentes imunoterápicos e mecanismos de resistência podem levar à fuga e crescimento do tumor imune.

Embora a Food and Drug Administration (FDA) dos EUA ainda não tenha aprovado nenhuma vacina de mRNA para o câncer, ela forneceu a designação de terapia inovadora para a vacina experimental mRNA-4157-P201 (da Moderna) associada ao inibidor de checkpoint pembrolizumabe (da Merck) como terapia adjuvante em melanomas de alto risco após ressecção completa. Com o sucesso das vacinas de mRNA para a COVID-19, os pesquisadores estão confiantes que a tecnologia da vacina de mRNA pode ser aproveitada para tratar células cancerígenas. Sendo assim, poderíamos estar perto de integrar a terapia de mRNA no cenário do tratamento do câncer?

Fechando o círculo — vacinas de mRNA e câncer

Para muitos, pode parecer que as vacinas de mRNA contra a COVID-19 foram desenvolvidas de um dia para o outro. No entanto, a rapidez no design, fabricação e teste dessas vacinas não teria sido possível sem anos de pesquisa, que formaram a base para as vacinas contra gripe, citomegalovírus e zika.

Em 1995, uma pesquisa fundamental demonstrou que uma injeção intramuscular de RNA Nu, que codifica antígenos carcinoembrionários, poderia provocar respostas de anticorpos específicos de antígeno em camundongos. No ano seguinte, um estudo separado mostrou que células dendríticas transfectadas com mRNA injetadas em camundongos portadores de tumor induziram respostas imunes de células T e inibiram o crescimento dos tumores. Esse trabalho abriu caminho para numerosos estudos de exploração da viabilidade, eficácia e segurança das tecnologias baseadas em mRNA. Porém, a instabilidade, a imunogenicidade inata e a entrega ineficiente in vivo ainda limitam a vacina de mRNA e as aplicações terapêuticas. Um dos principais desafios enfrentados pelos pesquisadores foi como fazer o mRNA chegar aonde precisava ir; uma sequência de mRNA injetada no corpo sem alguma forma de proteção seria reconhecida como uma substância estranha e seria destruída.

O rápido desenvolvimento de vacinas de mRNA para tratar o novo coronavírus, o SARS-CoV-2, ajudou a acelerar o uso da vacina de mRNA da bancada para o paciente. Por exemplo, as vacinas da Pfizer-BioNTech e da Moderna demonstraram a eficácia de utilizar nanopartículas lipídicas (LNPs) para a entrega de mRNA às células-alvo. No fim de 2019, estimulados pela epidemia do SARS-CoV-2, tanto a literatura publicada quanto os pedidos de patente relacionados às terapias com mRNA aumentaram rapidamente em todo o mundo. Após 2020, o número de artigos publicados apresentou uma tendência de rápido crescimento, aumentando para 3.361 em 2021 e quase 5.000 em 2022. O número de pedidos de patente continuou em tendência ascendente após 2020, atingindo 382 em 2021, e estima-se que tenha aumentado para 510 em 2022 (Figura 1).

O sucesso das vacinas de mRNA para a COVID-19 revelou o potencial da plataforma de mRNA não apenas na expansão para outras doenças infecciosas, mas também para cânceres. Como os insights dos estudos sobre vírus possivelmente geraram informações para o trabalho de vacinas contra o câncer, aparentemente fechamos o círculo.

Recrutando o sistema imunológico — como funcionam as vacinas de mRNA contra o câncer

As aplicações do mRNA em vacinas contra o câncer são amplas, com os pesquisadores explorando várias estratégias para a imunoterapia contra o câncer:

• Apresentação do antígeno: as vacinas de mRNA levam antígenos de câncer para células apresentadoras de antígenos (APCs) para a apresentação do complexo principal de histocompatibilidade classes I e II.
• Função adjuvante: o mRNA estimula a ativação ligando-se a receptores de reconhecimento de padrões expressos por APCs.
• Receptores de antígeno: o mRNA introduz receptores de antígenos, como receptores de antígenos quiméricos (CARs) e receptores de células T nos linfócitos.
• Produção de proteína: o mRNA permite a expressão de proteínas imunomoduladoras, incluindo receptores do tipo toll (toll-like), receptores de quimiocinas, ligantes coestimuladores, citocinas, quimiocinas e diferentes formatos de anticorpos monoclonais em vários subconjuntos de células.

A terapia de mRNA para o câncer está ao nosso alcance?

Empresas como Genentech, CureVac e Moderna estão desenvolvendo vacinas de mRNA com codificação de neoepítopos que podem induzir respostas imunes contra tumores-alvo. Dezenas de ensaios clínicos estão testando vacinas de mRNA como monoterapias ou como parte de um tratamento combinado em pessoas com vários tipos de câncer, incluindo os cânceres pancreático, colorretal e melanoma. Diversos candidatos entraram nos testes de Fase 2, com eficácia favorável demonstrada em melanoma, câncer de pulmão de células não pequenas e câncer de próstata (Tabela 1).

Tabela 1. Vacinas de mRNA em ensaios clínicos de câncer (Fase 2 e posterior) 

Nome da vacina	CAS Registry Number®	Indicação de doença	Antígeno	Empresa
Autógeno cevumeran	2365453-34-3	Melanoma; Câncer colorretal	Neoantígenos específicos do paciente	BioNTech
mRNA 4157	2741858-84-2	Melanoma	Até 34 neoantígenos	Moderna
BNT 113	2882951-85-9	PV16+ carcinoma escamoso de cabeça e pescoço	Antígenos derivados do tumor HPV16 (oncoproteínas E6 e E7)	BioNTech
CV 9202	1665299-76-2	Câncer de pulmão de células não pequenas	NY-ESO-1, MAGE C1, MAGE C2, TPBG (5T4), survivina, MUC1	CureVac
CV 9103	2882951-83-7	Câncer de próstata	Mistura de quatro antígenos associados ao câncer de próstata	CureVac
SW 1115C3	2882951-82-6	Câncer de pulmão de células não pequenas; câncer de esôfago	Neoantígenos específicos do paciente	Stemirna Therapeutics
BNT 111	2755828-88-5	Melanoma	Mistura de quatro antígenos associados ao melanoma	BioNTech

Embora as vacinas de mRNA contra o câncer estejam atraindo o interesse da comunidade de pesquisa, historicamente a maioria das pesquisas oncológicas tem se concentrado nas terapias com mRNA, com uma ampla variedade de candidatos entrando em desenvolvimento clínico(Tabela 2), incluindo: 

• TriMix-MEL (eTheRNA Immunotherapies), uma mistura de três mRNAs que ativam as principais células imunológicas contra o câncer. 
• Uma terapia de mRNA (BioNTech) que codifica um anticorpo monoclonal direcionado à Claudin 18, uma proteína expressa em vários tipos de câncer.
• Um mRNA encapsulado em LNP (MedImmune LLC) administrado por injeção intratumoral projetada para impulsionar a produção local de interleucina-12 (IL-12) e induzir imunidade antitumoral.

Tabela 2. Produtos terapêuticos de mRNA em ensaios clínicos de câncer

Nome do fármaco de mRNA	CAS Registry Number	Indicação de doença	Empresa
TriMix-MEL; ECL-006; E011-MEL	2877674-59-2	Melanoma	eTheRNA Immunotherapies
BioNTech-1; BNT 141; BNT-141; BNT141	2877707-22-5	Tumores sólidos	BioNTech
BNT-142; BNT142	2877707-34-9	Tumores sólidos	BioNTech
BNT-151; BNT151	2877709-82-3	Tumores sólidos	BioNTech
BNT 152; BNT152	2877709-92-5	Tumores sólidos	BioNTech
BNT 153; BNT153	2877709-93-6	Tumores sólidos	BioNTech
MEDI1191; MEDI-1191	2877712-03-1	Tumores sólidos	Moderna
mRNA-2752	2878461-50-6	Tumores sólidos	Moderna
SAR-441000	2879301-17-2	Tumores sólidos	Sanofi,  BioNTech
SQZ-eAPC-HPV	2879306-51-9	HPV e tumores sólidos	SQZ Biotechnologies

Transformando as vacinas de mRNA contra o câncer em realidade

Fizemos grandes avanços na tecnologia de mRNA contra o câncer nos últimos anos, mas ainda permanecem alguns desafios fundamentais. Em primeiro lugar, as vacinas de mRNA contra o câncer exigem sistemas específicos de embalagem e de entrega com uma afinidade adequada para o tecido/órgão alvo. Atualmente, os pesquisadores estão avaliando abordagens para facilitar isso, incluindo a conjugação de porções direcionadas a órgãos para oligonucleotídeos. Embora os LNPs sejam os veículos mais estudados para a entrega de mRNA, sua aplicação clínica tem sido impedida por preocupações com a citotoxicidade e do tempo de circulação relativamente curto. Portanto, estão sob avaliação vários sistemas de entrega inteligentes alternativos (por exemplo, exossomos) para melhorar a biodisponibilidade, carregamento e liberação da carga de mRNA.

A entrega bem-sucedida da carga de mRNA não é suficiente. Para garantir a eficácia máxima, os pesquisadores têm investigado abordagens para aumentar a expressão de proteínas in vivo. Todas as partes do mRNA — tampa, regiões 5′ e 3′, quadro de leitura aberto e cauda poliadenilada — podem ser otimizadas para aumentar a expressão proteica. Os nucleosídeos quimicamente modificados têm se mostrado promissores nesta área.

Além da quantidade de expressão de proteína, um obstáculo crucial para as vacinas de mRNA é o período relativamente curto de produção de proteína, que requer administrações repetitivas. Os mRNAs auto-amplificadores e circulares estão sendo explorados como estratégias para prolongar o tempo de vida do RNA e aumentar o rendimento total de proteínas.

Embora ainda haja muito trabalho a ser feito, as vacinas de mRNA são uma opção clínica versátil para o tratamento de vários tipos de câncer quando usadas sozinhas ou combinadas com opções de terapias já existentes, como inibidores de checkpoint. Enquanto aguardamos a chegada da primeira terapia de mRNA ao mercado, será empolgante explorar os resultados da infinidade de estratégias inovadoras que buscam enfrentar o aumento global de casos de câncer.

Para saber mais sobre vacinas e terapias de mRNA, leia nossa publicação revisada por pares no periódico ACS Pharmacology and Translational Science.

 

 

 

     

---

 

 

 

 

Cenas de comerciais verdes, brilhantes, que promovem um medicamento de uso semanal para perder peso, o Wegovy, tomaram conta do metrô da cidade de Nova York. Ozempic atrai as manchetes com rumores de celebridades como anfitriãs de festas do Ozempic. O mais recente lançamento, Mounjaro, atrai a atenção das redes sociais, aproveitando a onda de crescente popularidade global entre os medicamentos recém-aprovados pela FDA.

Originalmente concebidos para tratar diabetes tipo 2, os agonistas do receptor GLP-1, o Ozempic, o Wegovy (ambos fabricados pela Novo Nordisk) e o medicamento combinado Mounjaro (fabricado pela Eli Lilly), sofreram escassez devido ao aumento da procura por parte dos clientes que procuram seus benefícios em potencial como medicamentos para perda de peso. A obesidade tornou-se uma preocupação global que afeta cerca de um terço da população mundial e prevê-se que ultrapasse os 50% até 2035. Isso aumenta o risco de várias doenças, incluindo doenças coronarianas, hipertensão e diabetes tipo 2.

Em resposta à crescente crise, surgiram os agonistas dos receptores GLP-1 e o seu potencial combinado com análogos do GIP e terapias relacionadas, como opções de tratamento promissoras para a obesidade e doenças relacionadas. Compreender as diferenças entre estas abordagens científicas e o futuro da perda de peso será fundamental à medida que a inovação neste campo avança mais um passo.

Como o corpo processa o açúcar e regula os níveis de glicose no sangue?

O corpo tem uma maneira de manter o açúcar no sangue em equilíbrio. Quando o açúcar no sangue do corpo está baixo, as células alfa do pâncreas produzem o hormônio glucagon para notificar o fígado que deve produzir mais açúcar e liberá-lo na corrente sanguínea. Quando o açúcar no sangue está alto, as células beta do pâncreas produzem insulina para ajudar o corpo a usar ou armazenar o açúcar na gordura e nos músculos, bem como no fígado e em outros tecidos do corpo.

O polipeptídeo inibitório gástrico (GIP) e p peptídeo-1, semelhante ao glucagon (GLP-1), dois hormônios secretados pelo intestino, são importantes para a obesidade e o diabetes, pois desempenham funções essenciais na regulação da produção de insulina. A insulina é necessária porque mantém os níveis de açúcar no sangue em equilíbrio. Quando o açúcar no sangue do corpo está baixo, as células alfa do pâncreas produzem o hormônio glucagon, que sinaliza ao fígado para produzir mais açúcar. Quando o açúcar no sangue está alto, as células beta do pâncreas produzem insulina para ajudar o corpo a usar ou armazenar energia.

O GIP estimula a produção de insulina e glucagon e protege as células produtoras de insulina da morte celular, e, em simultâneo, promove a sua proliferação. O GLP-1 estimula a liberação de insulina pelo pâncreas enquanto inibe a liberação de glucagon.

Como a obesidade poder ser controlada por medicamentos?

Até o momento, existem vários tipos de medicamentos para controlar o diabetes e a obesidade. Os agonistas dos receptores GLP-1, como a semaglutida (vendida sob as marcas Ozempic e Wegovy), ativam a produção de insulina imitando as ações do GLP-1. A tirzepatida (com nome comercial Mounjaro) combina agonistas do receptor GLP-1 e análogos do GIP. Os agonistas dos receptores GLP-1 ligam-se aos receptores do peptídeo-1, semelhante ao glucagon nas células, enquanto os análogos do GIP imitam a função do GIP, ambos estimulando a produção de insulina. Mais recentemente, surgiu um novo medicamento, a retatrutida, um agonista do GIP, do GLP-1 e do glucagon, com resultados promissores nos primeiros ensaios clínicos.

Um resumo dos medicamentos e agonistas do receptor GLP-1 considerados para perda de peso é mostrado a seguir.

    1.  Agonistas dos receptores GLP-1, como a semaglutida (Wegovy, Ozempic)

    2.  Abordagens combinadas

           a.    Agonistas dos receptores GLP-1 e GIP, como tirzepatida (Mounjaro)

           b.    GLP-1, GIP e agonistas dos receptores de glucagon, como retatrutida

A ciência por trás dos medicamentos para perda de peso

A ativação dos receptores GLP-1 e GIP aumenta o metabolismo da glicose e dos lipídios no corpo. Isto reduz o apetite e as taxas de digestão, ao mesmo tempo em que aumenta a capacidade de reduzir a adiposidade e diminuir o risco de doenças relacionadas com a obesidade. Os principais efeitos são:

• Secreção de insulina: o GLP-1 e o GIP estimulam a liberação de insulina das células beta pancreáticas quando o açúcar no sangue está alto. Isso ajuda a reduzir os níveis de açúcar no sangue.
•  
• Esvaziamento gástrico: o GLP-1 e o GIP retardam o movimento dos alimentos do estômago para o intestino. Isto ajuda a reduzir o apetite e a ingestão de calorias, fazendo com que as pessoas se sintam saciadas por mais tempo.  
• Regulação do apetite: O GLP-1 e o GIP afetam regiões do cérebro que controlam os sinais de fome e saciedade. Isto ajuda a reduzir o apetite e a ingestão de alimentos, fazendo com que as pessoas se sintam com menos fome e mais satisfeitas.  

A importância das abordagens combinadas

Um fator significativo a ser considerado nas terapias combinadas é a sinergia. Sinergia é quando o efeito da combinação de vários medicamentos é maior do que a soma dos efeitos individuais de cada medicamento. A importância de combinar agonistas do receptor GLP-1 e análogos do GIP na medicação é que as duas vias moleculares são afetadas, em vez de apenas um dos dois hormônios primários. Em medicamentos monoterápicos, como as semaglutidas, verificou-se, em ensaios em humanos e ratos, que se desenvolve tolerância a alguns dos efeitos do medicamento. A terapia combinada ajuda a evitar que o corpo desenvolva tolerância aos efeitos dos medicamentos, à medida que são utilizadas múltiplas vias. Outro fator a ser considerado nas terapias combinadas é a dosagem. É possível utilizar doses menores de cada um dos medicamentos individualmente, evitando assim certos efeitos colaterais.

Como são os ensaios clínicos e os resultados no mundo real?

Vários ensaios clínicos demonstraram que medicamentos agonistas do receptor GLP-1 e medicamentos combinados com agonistas do receptor GIP/GLP-1 podem causar perda de peso significativa em pessoas com diabetes e/ou obesidade, em comparação com placebo ou outros tratamentos.  

Estudos notáveis publicados no The New England Journal of Medicine destacaram a eficácia da semaglutidq e da tirzepatida. Um estudo duplo-cego envolvendo 1.961 participantes, 2,4 mg de semaglutida, combinados com dieta e exercícios, mostrou resultados de perda de 15% do peso corporal de metade dos participantes, enquanto um terço dos participantes perdeu 20% em um período de 68 semanas. Em contraste, o grupo placebo, que apenas fez alterações no estilo de vida, registou uma perda de peso de 2,4%. Em outro estudo com 2.539 participantes, a tirzepatida em doses de 5 mg, 10 mg e 15 mg, combinada com intervenções no estilo de vida, levou a uma redução no peso corporal de 25% ou mais para 15%, 32% e 36% dos participantes, respectivamente. Somente 1,5% do grupo que fez alterações no estilo de vida, registrou redução do peso corporal.

Estudos comparando tirzepatida e semaglutida para pacientes com diabetes tipo 2 mostraram que a tirzepatida foi superior, pois 82-86% dos pacientes que tomaram a medicação tiveram uma diminuição no nível de hemoglobina glicada para menos de 7% em comparação com 79% dos que tomaram semaglutida.

Além disso, parece haver outro impacto digno de nota, que foi observado em medicamentos que combinam alvos como GLP-1, GIP e glucagon. Descobertas recentes dos ensaios clínicos de Fase 2 da Eli Lilly revelaram que os indivíduos alcançaram uma perda média de peso de cerca de 24%. Se ensaios clínicos maiores de Fase 3 comprovarem estes resultados, terão o potencial de melhorar significativamente o crescente portfólio de medicamentos para perda de peso da Eli Lilly.

A popularidade e o impacto dos agonistas do receptor GLP-1 e das terapias baseadas em GIP

O Ozempic, tratado de forma sensacionalista pela mídia, testemunhou um aumento nas prescrições nos Estados Unidos. No último ano, as prescrições do Ozempic aumentaram 111% e, desde a sua aprovação em 2017, é o medicamento líder no mercado para diabetes tipo 2 (Figura 1). Embora prescrito principalmente para diabetes tipo 2, o Ozempic também tem sido usado para controle de peso crônico devido à escassez de Wegovy até 2023.

A Tirzepatida, aprovada nos Estados Unidos em maio de 2022 sob a marca Mounjaro, contribuiu com uma receita de US$ 537,6 milhões para a Eli Lilly, durante o primeiro trimestre de 2023. Como o medicamento recebeu a designação Fast Track da FDA norte-americana para o tratamento do controle da obesidade, espera-se que este medicamento concorra ao lado de seus equivalentes da semaglutida.

Tendências de publicações em periódicos e análises de patentes

Uma busca no CAS Content Collection por publicações relacionadas à semaglutida mostrou que os artigos mais que dobraram entre 2019 e 2022. As patentes relacionadas à semaglutida também aumentaram, de 2 em 2011 para 109 em 2022. Espera-se que surjam mais publicações à medida que a popularidade das semaglutidas atrai mais pesquisas, particularmente no controle da perda de peso.

A tirzepatida, por ser um medicamento mais recente, teve menos publicações na última década, conforme o CAS Content Collection. No entanto, houve um aumento nas publicações em periódicos de 34 em 2021 para 72 em 2022. As patentes relacionadas à tirzepatida também aumentaram durante o período. À medida que a tirzepatida concluir mais testes e obtiver a aprovação da FDA para o controle da perda de peso, espera-se um aumento nas publicações.

Análise do pipeline

O desenvolvimento de novos medicamentos para diabetes e perda de peso é uma área ativa de pesquisa, com vários candidatos promissores em vários estágios de ensaios clínicos. A Novo Nordisk tem medicamentos com semaglutida oral em seu pipeline. OW ral semaglutida ainda está na Fase 1 e semaglutida de 25 mg e 50 mg para controle do diabetes está na Fase 3. Além disso, existem ensaios de Fase 2 em andamento para um tratamento combinado oral de GLP-1/GIP para diabetes. A Tirzepatida está atualmente em ensaios de Fase 2 para tratamentos de esteatohepatite não alcoólica (EHNA) e ensaios de Fase 3 para insuficiência cardíaca com fração de ejeção preservada (ICFEp), apneia obstrutiva do sono, morbidade e mortalidade na obesidade e resultados cardiovasculares.    

 

           

 

Em colaboração com a Westlake University em Hangzhou na China, este relatório do CAS Insights destaca o cenário emergente de hidrogéis, antimicrobianos, nanopartículas lipídicas, exossomos e muito mais que estão redefinindo o futuro dos biomateriais que interagem com sistemas biológicos. O relatório identifica novas oportunidades, tendências emergentes e principais desafios futuros para os diversos segmentos e disciplinas envolvidas com biomateriais. Descubra mais no nosso relatório detalhado a seguir.