Webinar: descobertas científicas e tendências emergentes para ficar de olho em 2024

O progresso científico está em franca aceleração e novas descobertas acontecem diariamente. O CAS tem uma visão única do panorama científico, tanto histórico como atual, que permite fornecer insights sobre as tendências emergentes a serem observadas este ano. Recentemente, os especialistas do Lawrence Livermore National Laboratory, da Universidade de Ohio, do Oak Ridge National Laboratory e do CAS participaram de um webinar, em 25 de janeiro, no qual destacaram as descobertas científicas e tendências a serem observadas em 2024.

Descubra os desenvolvimentos mais recentes sobre o combate a alvos anteriormente considerados “não passíveis de tratamento”, o impacto da IA na P&D, a ascensão dos biomateriais, as técnicas de armazenamento de energia e as inovações em energia de fusão assistindo ao webinar. Saiba mais sobre insights valiosos acerca das novas tendências em nosso artigo recente.

Principais destaques do webinar
 

Para dar início à discussão, Janet trouxe os principais avanços e as tendências emergentes sobre o combate a alvos anteriormente considerados “não passíveis de tratamento”. Foram abordadas as doenças neurodegenerativas, os avanços farmacêuticos para a doença de Alzheimer e uma descoberta importante na validação de biomarcadores para a doença de Parkinson. Essas descobertas, baseadas nas causas biológicas da doença, são fundamentais no caminho para a cura. Também foram explorados os conjugados anticorpo-medicamento (ADCs) como uma das abordagens na pesquisa e desenvolvimento de agentes antitumorais. As tendências de publicação sobre patentes dos ADCs aumentaram rapidamente nos últimos anos, à medida que os pesquisadores encontraram opções para tratar alvos anteriormente intratáveis de câncer e outras doenças.

Dr. Jonathan Allen continuou a discussão compartilhando sua experiência com IA e aprendizado de máquina na descoberta de medicamentos. Recentemente, aumentar a capacidade de automatizar a síntese de novas entidades biológicas e de pequenas moléculas tornou-se uma tendência emergente fundamental, que está criando um novo paradigma na procura de novos produtos farmacêuticos. O uso da IA e do aprendizado de máquina está ajudando a avaliar possíveis alvos de medicamentos e a prever como o corpo humano responderá aos novos medicamentos. Por último, foram discutidos exemplos de sucesso clínico, incluindo registros de novos medicamentos investigacionais de moléculas pequenas, potência alvo, perfis farmacocinéticos promissores, redesenho de anticorpos e previsão de dobramento de proteínas.

Na intersecção da biomedicina com a ciência dos materiais, Dr. Kevin Hughes discutiu a inovação neste espaço e um método quantitativo para analisar tendências emergentes. A análise do CAS Content Collection™ revelou oito áreas principais com o crescimento mais rápido na área de biomateriais. Dentre esses tópicos estavam biomateriais autocurativos, materiais à base de lipídios e biotintas, entre outros. Para finalizar a conversa, foi feita uma análise de tendências mais profunda sobre biomateriais programáveis, que revelou os estímulos de biomateriais mais frequentes usados em publicações de periódicos e patentes.

Dr. Yiying Wu fez a transição do webinar para o domínio dos materiais, discutindo tendências no armazenamento de energia de baterias. Recentemente, surgiram diversas tendências novas de baterias, com baterias de íon de lítio, baterias de estado sólido, baterias à base de sódio e potássio, baterias de enxofre e até baterias de oxigênio. Cada um se baseia ou ajuda a resolver um desafio do ponto de vista da química celular. Além da química celular, tecnologias de fabricação, cadeias de suprimentos, reciclagem de baterias e segurança concluíram a discussão.

Dr. Arnold Lumsdaine encerrou o webinar com o tema energia de fusão. Ele começou com um apelo para agirmos, já que o futuro da civilização depende da energia e da necessidade urgente de fontes de energia isentas de carbono para satisfazer as crescentes necessidades de energia do mundo. Muitos eventos, inclusive melhorias científicas, uma nova mentalidade e vontade política, melhorias tecnológicas, avanços na fabricação, computação de alto desempenho, avanços em materiais e investimentos privados significativos, estão todos permitindo que a energia de fusão adentre em uma nova era. Os processos de energia de fusão foram então destacados associados aos desafios da física, dos materiais e da engenharia de plasma.

Ao final, os participantes fizeram muitas perguntas, desde a diferença fundamental entre IA e aprendizado de máquina até como a energia de fusão e as baterias de íons de lítio se encaixam em um futuro mais verde com os carros elétricos. Em suma, este painel destacou muitos tópicos emergentes que valem a pena serem observados, que vão ajudar a moldar futuras oportunidades de P&D.

A seguir estão as principais perguntas do webinar, para consulta:

Quais são as diferenças fundamentais entre inteligência artificial (IA) e aprendizado de máquina?

• O aprendizado de máquina concentra-se na resolução de problemas específicos do passado (modelos baseados em dados estatísticos focados na previsão de uma propriedade específica). A IA seria um superconjunto disso, em teoria, ampliando o que a pessoa faz.
• Com um exemplo comparativo, uma IA química é um sistema que pode propor novas moléculas e decidir quais moléculas produzir e testar, e o modelo de aprendizado de máquina avalia o sucesso do sistema na execução dessas tarefas.

A caixa dobrável de biomaterial foi publicada em 2011.Houve alguma atualização na aplicação ou algum progresso desde então?

• As duas principais áreas de progresso que gostaria de destacar desde então:
  • Impressão 3D com materiais que respondem a estímulos, o que levou ao surgimento do novo campo da “impressão 4D”
  • O uso de materiais em nanoescala para gerar novos tipos de estímulo-resposta. Um bom exemplo é o desenvolvimento de um “nadador” de hidrogel biomimético que oscila em resposta à luz visível, integrando nanopartículas de ouro fototermicamente ativas com poli (N-isopropil acrilamida) sensível à temperatura.

Como o trabalho com baterias de lítio ou energia de fusão se enquadra nos planos dos EUA para promover um maior uso de veículos elétricos?

• Algumas limitações precisam ser superadas antes que mais aplicações de veículos elétricos se tornem predominantes, como as preocupações com mineração, os tempos de carregamento de baterias e os efeitos de condições extremas sobre as baterias.
• A fusão será uma fonte de eletricidade livre de carbono.No entanto, dado que o lítio é um elemento necessário no ciclo do combustível de fusão (para produzir trítio), o fornecimento de lítio poderá se tornar um problema.

Como essa energia é fornecida agora para veículos elétricos (por ex., carvão ou ???) e como será fornecida no futuro? 

• Os veículos elétricos são tão limpos quanto a rede de onde vem a energia que utilizam. Portanto, se a rede utilizar 100% carvão e gás natural, os veículos elétricos não serão limpos e neutros de carbono.
• Atualmente, os Estados Unidos utilizam combustíveis fósseis, energia nuclear, energia renovável e outras fontes para abastecer a sua rede, sendo que a energia de fusão é uma possibilidade para o futuro. Descubra mais sobre o futuro da energia nuclear, da energia do hidrogênio e da reciclagem de baterias de íons de lítio em nosso artigo recente do Insights.

Tem alguém estudando nanotecnologia biológica como os exossomos? 

• Sim, existem estudos com exossomos para serem utilizados como sistemas de administração de medicamentos e por seu potencial terapêutico. As empresas de terapêuticas de exossomos estão pesquisando tratamentos para doenças como câncer, doenças neurológicas, pulmonares e cicatrização de feridas, entre outras. Leia mais sobre os exossomos e as oportunidades emergentes no recente Relatório de Insights do CAS, baseado em uma recente publicação revista por pares na ACS Nano.

Existem pesquisas que mostram uma comparação geral entre a eficiência do uso de IA generativa para ajudar no processo de triagem de novos medicamentos vs. o HTS tradicional? (talvez uma comparação entre acertos determinados com a ajuda de IA/ML versus acertos via HTS)

• Seria ótimo ver uma comparação rigorosa lado a lado que ainda não vimos e que seria difícil. Do lado da triagem de alto rendimento (HTS), têm sido usadas bibliotecas de codificação de DNA, onde podem ser feitos testes combinatórios com bilhões de produtos químicos.Ao fazer isso, há sempre a opção de construir um modelo de aprendizado de máquina que aprenda com os dados HTS e ajude a classificar os resultados, combinando esses dois métodos para trabalharem juntos de forma a produzir melhores resultados.

Veja aqui a gravação do webinar e os respectivos slides.