Prospecção Tecnológica sobre o Setor de Plataformas de Inteligência Artificial Aplicadas ao Reposicionamento de Drogas Contra a COVID-19

Autores

DOI:

https://doi.org/10.9771/cp.v16i2.50158

Palavras-chave:

Pandemia, Inteligência Artificial, Fármacos.

Resumo

Em um mundo pós-pandemia, em que as cadeias de transmissão do vírus SARS-CoV-2 ainda se farão presentes, é clara a necessidade do domínio dos algoritmos de aprendizado de máquina em sistemas de inteligência artificial com o objetivo de testar a reutilização de drogas já existentes contra a COVID-19. Para prospectar a produção científico-tecnológica sobre o tema, foi realizada uma busca do termo repurposing AND drugs AND machine learning AND COVID nas bases Web of Science, Orbit e Lens (2017 a 2022). Foram identificados 71 registros bibliográficos com autores estruturados em dois grupos, sendo o segundo detentor dos documentos mais recentes. Foram identificadas nove classes de IPCs com os principais domínios tecnológicos relacionados ao tema e todos distribuídos em 42 documentos ativos de patentes. Destes, quatro se encontravam concedidos às empresas “RO5” e “Precisionlife”. Das 50 startups mais promissoras de 2022, apenas duas desenvolvem esse tipo de tecnologia, o que reforça o entendimento sobre o número ainda pequeno de players no setor e evidencia o horizonte promissor para essa área de produção de tecnologia.

Downloads

Não há dados estatísticos.

Biografia do Autor

Mauro André Damasceno de Melo, Instituto Federal de Educação, Ciência e Tecnologia do Pará

Doutorado em Biologia Ambiental pela Universidade Federal do Pará (UFPA) no ano de 2012.

Carlos Alberto Machado da Rocha, Instituto Federal de Educação, Ciência e Tecnologia do Pará

Licenciado em Ciências Biológicas (UFPA); Especialização em Ecologia e Higiene do Pescado (UFRA); Mestrado em Genética e Biologia Molecular (UFPA); Doutorado em Neurociências e Biologia Celular (UFPA). Professor do Instituto Federal de Educação, Ciência e Tecnologia do Pará (IFPA). Coordenador do Mestrado PROFNIT no Ponto Focal IFPA.

Endereço para acessar este CV: http://lattes.cnpq.br/5789536737681588

ID Lattes: 5789536737681588

Referências

BECK, B. R.; SHIN, B.; CHOI, Y.; PARK, S.; KANG, K. Predicting commercially available antiviral drugs that may act on the novel coronavirus (SARS-CoV-2) through a drug-target interaction deep learning model. Computational and structural biotechnology journal, 18, 784-790. 2020. Disponível em: https://doi.org/10.1016/j.csbj.2020.03.025. Acesso em: 08/12/202

BULLOCK, J. et al. Mapping the landscape of artificial intelligence applications against COVID-19. 2020. p. 1e14. Disponível em: http://arxiv.org/abs/2003.11336. Acesso em: 8 dez. 2022.

COVINGTON. M. et al. Preclinical characterization of itacitinib (INCB039110), a novel selective inhibitor of JAK1, for the treatment of inflammatory diseases. Eur. J. Pharmacol., [s.l.], v. 885, p. 173505, 2020. Disponível em: https://doi.org/10.1016/j.ejphar.2020.173505. Acesso em: 8 dez. 2022.

DAS, S.; BEAULAH, K.; GARDNER, S. Systematic indication extension for drugs using patient stratification insights generated by combinatorial analytics. Cell Patterns, [s.l.], v. 3, n. 6, June, 2022. Disponível em: https://doi.org/10.1016/j.patter.2022.100496. Acesso em: 8 dez. 2022.

DE FREITAS, R. A. B. et al. Prospecção científica sobre epidemiologia e prevenção da COVID-19 aliada a inteligência artificial. Cadernos de Prospecção, Salvador, v. 13, n. 2, edição especial COVID-19, p. 543-543, abril, 2020. Disponível em: https://doi.org/10.9771/cp.v13i2.36190. Acesso em: 8 dez. 2022.

DIMASI, J. A.; GRABOWSKI, H. G.; HANSEN, R. W. Innovation in the pharmaceutical industry: new estimates of R&D costs. J. Health Econ., [s.l.], v. 47, p. 20-33, 2016. Disponível em: https://doi.org/10.1016/j.jheale co.2016.01.012. Acesso em: 8 dez. 2022.

GONG, W. et al. SARS-CoV-2 variants and COVID-19 vaccines: Current challenges and future strategies. International Reviews of Immunology, [s.l.], p. 1-22, 2022.

INPI – INSTITUTO NACIONAL DA PROPRIEDADE INDUSTRIAL. Observatório de Tecnologias Relacionadas à COVID-19 – Medicamentos. 2020. Disponível em: https://www.gov.br/inpi/pt-br/servicos/patentes/tecnologias-para-covid-19/patentes-de-medicamentos-covid-19. Acesso em: 8 dez. 2022.

KOLLURI, S. et al. Machine learning and artificial intelligence in pharmaceutical research and development: a review. The AAPS Journal, [s.l.], v. 24, n. 1, p. 1-10, 2022. Disponível em: https://doi.org/10.1208/s12248-021-00644-3. Acesso em: 8 dez. 2022.

KOROMINA, M.; PANDI, M. T.; PATRINOS, G. P. Rethinking drug repositioning and development with artificial intelligence, machine learning, and omics. Omics: A Journal of Integrative Biology, [s.l.], v. 23, n. 11, p. 539-548, 2019. Disponível em: https://doi.org/10.1089/omi.2019.0151. Acesso em: 8 dez. 2022.

MCCARTHY, J. What is artificial intelligence. URL: http://www-formal. stanford. edu/jmc/whatisai. Html, 2004. Disponível em: http://cse.unl.edu/~choueiry/S09-476-876/Documents/whatisai.pdf. Acesso em: 8 dez. 2022.

MOHAPATRA, S. et al. Repurposing therapeutics for COVID-19: Rapid prediction of commercially available drugs through machine learning and docking. PLoS ONE, [s.l.], v. 15, n. 11, p. e0241543, 2020. Disponível em: https://doi.org/10.1371/journal.pone.0241543. Acesso em: 8 dez. 2022.

NGUYEN, T. T.; WAURN, G.; CAMPUS, P. Artificial intelligence in the battle against coronavirus (COVID-19): A survey and future research directions. 2020. Disponível em: https://doi.org/10.13140/RG.2.2.36491.23846. Acesso em: 8 dez. 2022.

PAWEŁCZYK, A.; ZAPRUTKO, L. Anti-COVID drugs: repurposing existing drugs or search for new complex entities, strategies and perspectives. Future Medicinal Chemistry, [s.l.], v. 12, n. 19, p. 1.743-1.757, 2020. Disponível em: https://doi.org/10.4155/fmc-2020-0204. Acesso em: 8 dez. 2022.

PIRES, E. A.; RIBEIRO, N. M.; QUINTELLA, C. M. Sistemas de Busca de Patentes: análise comparativa entre Espacenet, Patentscope, Google Patents, Lens, Derwent Innovation Index e Orbit Intelligence. Cadernos de Prospecção, Salvador, v. 13, n. 1, p. 13-13, março, 2020. Disponível em: https://doi.org/10.9771/cp.v13i1.35147. Acesso em: 8 dez. 2022.

RAHMAN, S. et al. Epidemiology, pathogenesis, clinical presentations, diagnosis and treatment of COVID-19: a review of current evidence. Expert Ver. Clin. Pharmacol., [s.l.], v. 14, n. 5, p. 601-621, 2021. Disponível em: https://dx.doi.org/10.1080/17512433.2021.1902303. Acesso em: 8 dez. 2022.

RUIZ ESTRADA, M. A. The uses of drones in case of massive Epidemics contagious diseases relief humanitarian aid: Wuhan-COVID-19 crisis. SSRN Electron. J., [s.l.], 2020. Disponível em: https://doi.org/10.2139/ssrn.3546547. Acesso em: 8 dez. 2022.

SABER-AYAD, M.; SALEH, M. A.; ABU-GHARBIEH, E. The rationale for potential pharmacotherapy of COVID-19. Pharmaceuticals, [s.l.], v. 13, n. 5, p. 96, 2020. Disponível em: doi:10.3390/ph13050096. Acesso em: 8 dez. 2022.

SAVIN, I.; CHUKAVINA, K.; PUSHKAREV, A. Topic-based classification and identification of global trends for startup companies. Small Business Economics, [s.l.], p. 1-31, 2022. Disponível em: https://doi.org/10.1007/s11187-022-00609-6. Acesso em: 08/12/2022

SENIOR, A. et al. Protein structure prediction using multiple deep neural networks in the 13th Critical Assessment of Protein Structure Prediction (CASP13). Proteins, [s.l.], v. 87, p. 1.141-1.148, 2019. Disponível em: https:// doi.org/10.1002/prot.25834. Acesso em: 8 dez. 2022.

SENIOR, A.W. et al. Improved protein structure prediction using potentials from deep learning. Nature, [s.l.], v. 577, n. 7.792, p. 706-710, 2020. Disponível em: https://doi.org/10.1038/s41586-019-1923-7. Acesso em: 8 dez. 2022.

TANOLI, Z.; VÄHÄ-KOSKELA, M.; AITTOKALLIO, T. Artificial intelligence, machine learning, and drug repurposing in cancer. Expert Opinion on Drug Discovery, [s.l.], v. 16, n. 9, p. 977-989, 2021. Disponível em: https://doi.org/10.1080/17460441.2021.1883585. Acesso em: 8 dez. 2022.

URBINA, F.; PUHL, A. C.; EKINS, S. Recent advances in drug repurposing using machine learning. Current Opinion in Chemical Biology, [s.l.], v. 65, p. 74-84, 2021. Disponível em: https://doi.org/10.1016/j.cbpa.2021.06.001. Acesso em: 8 dez. 2022.

VANDEN EYNDE, J. J. COVID-19: a brief overview of the discovery clinical trial. Pharmaceuticals, [s.l.], v. 13, n. 4, p. 65, 2020.

WONG, C. H.; SIAH, K. W.; LO, A. W. Estimation of clinical trial success rates and related parameters. Biostatistics, [s.l.], v. 20, n. 2, p. 273-286, 2019. Disponível em: https://doi.org/10.1093/biostatistics/kxx069. Acesso em: 8 dez. 2022.

YANG, Z. et al. Ro5 Bioactivity Lab: Identification of Drug Candidates for COVID-19 (ChemRxiv). Cambridge: Cambridge Open Engage, 2020. Disponível em:

26434/chemrxiv.12275741.v1. Acesso em: 8 dez. 2022.

ZHANG, Daniel et al. The AI Index 2022 Annual Report. In: AI INDEX STEERING COMMITTEE, STANFORD INSTITUTE FOR HUMAN-CENTERED AI, STANFORD UNIVERSITY, March, 2022. Anais […]. [S.l.], 2022. Disponível em: https://arxiv.org/ftp/arxiv/papers/2205/2205.03468.pdf. Acesso em: 8 dez. 2022.

ZHOU, P.; YANG, X. L.; WANG, X. G. A pneumonia out- break associated with a new coronavirus of probable bat origin. Nature, [s.l.], v. 579, n. 7.798, p. 270-273, 2020. Disponível em: https://doi.org/10.1038/s41586-020-2012-7. Acesso em: 8 dez. 2022.

ZHOU, Y. et al. Network-based drug repurposing for novel coronavirus 2019-nCoV/SARS-CoV-2. Cell Discov., [s.l.], v. 6, n. 14, p. 2020. Disponível em: https://doi.org/10.1038/s41421-020-0153-3. Acesso em: 8 dez. 2022.

Downloads

Publicado

2023-03-15

Como Citar

Melo, M. A. D. de, & Rocha, C. A. M. da. (2023). Prospecção Tecnológica sobre o Setor de Plataformas de Inteligência Artificial Aplicadas ao Reposicionamento de Drogas Contra a COVID-19. Cadernos De Prospecção, 16(2), 405–420. https://doi.org/10.9771/cp.v16i2.50158

Edição

v. 16 n. 2 (2023): Edição Especial Covid 19 - O Mundo Pós Pandemia

Seção

Coronavirus (SARS-COV-2) e COVID-19

Licença

Copyright (c) 2022 Cadernos de Prospecção

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.

O autor declara que: - Todos os autores foram nomeados. - Está submetendo o manuscrito com o consentimento dos outros autores. - Caso o trabalho submetido tiver sido contratado por algum empregador, tem o consentimento do referido empregador. - Os autores estão cientes de que é condição de publicação que os manuscritos submetidos a esta revista não tenham sido publicados anteriormente e não sejam submetidos ou publicados simultaneamente em outro periódico sem prévia autorização do Conselho Editorial. - Os autores concordam que o seu artigo ou parte dele possa ser distribuído e/ou reproduzido por qualquer forma, incluindo traduções, desde que sejam citados de modo completo esta revista e os autores do manuscrito. - Revista Cadernos de Prospecção está licenciado com uma Licença Creative Commons Attribution 4.0. Esta licença permite que outros remixem, adaptem e criem a partir do seu trabalho para fins não comerciais, e embora os novos trabalhos tenham de lhe atribuir o devido crédito e não possam ser usados para fins comerciais, os usuários não têm de licenciar esses trabalhos derivados sob os mesmos termos. Licença Creative Commons
Este obra está licenciado com uma Licença Creative Commons Atribuição 4.0 Internacional.