IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (computational biology) · 2026-10-25
Identificação de um modulador do canal de sódio NaV1.5 derivado de produto natural por meio de aprendizado de máquina e modelagem molecular integrados
Título original: Identification of a natural product derived NaV1.5 sodium channel modulator through integrated machine learning and molecular modeling
Os bloqueadores dos canais de sódio existentes apresentam riscos pró-arrítmicos, por isso são necessários moduladores de NaV1.5 mais seguros para a fibrilação atrial. A equipe treinou modelos LightGBM, XGBoost e Random Forest com 1.512 inibidores conhecidos de NaV1.5 e triou 100.404 compostos naturais do COCONUT. O melhor modelo (LightGBM, MCC 0,66) levou à Piperaduncina C, que apresentou docking favorável, simulações estáveis e uma energia de ligação prevista melhor que a da quinidina, embora ainda seja necessária validação experimental.