0:00:00.917,0:00:03.825
Como vamos vencer esse novo coronavírus?

0:00:04.317,0:00:06.948
Usando nossas melhores ferramentas:

0:00:06.972,0:00:09.011
nossa ciência e nossa tecnologia.

0:00:09.594,0:00:12.726
No meu laboratório, usamos[br]ferramentas de inteligência artificial

0:00:12.750,0:00:14.329
e biologia sintética

0:00:14.353,0:00:17.413
para acelerar a luta contra essa pandemia.

0:00:18.078,0:00:19.965
O trabalho foi originalmente projetado

0:00:19.965,0:00:22.818
para enfrentar a crise[br]de resistência aos antibióticos.

0:00:22.842,0:00:27.501
Nosso projeto busca aproveitar o poder[br]do aprendizado de máquina

0:00:27.501,0:00:29.425
para repor nosso arsenal de antibióticos

0:00:29.425,0:00:33.263
e evitar uma era pós-antibiótica[br]globalmente devastadora.

0:00:33.685,0:00:38.625
Sobretudo, a mesma tecnologia pode ser[br]usada para procurar compostos antivirais

0:00:38.625,0:00:41.303
que poderiam nos ajudar[br]a combater a pandemia atual.

0:00:42.080,0:00:45.982
Aprendizado de máquina está revolucionando[br]o modelo tradicional de descoberta

0:00:46.006,0:00:47.410
de medicamentos.

0:00:47.434,0:00:48.659
Com essa abordagem,

0:00:48.683,0:00:52.761
em vez de testar meticulosamente[br]milhares de moléculas existentes,

0:00:52.785,0:00:55.856
uma por uma, pela sua eficácia[br]em um laboratório,

0:00:55.856,0:01:00.513
podemos treinar um computador pra explorar[br]o espaço exponencialmente maior

0:01:00.513,0:01:04.145
de essencialmente todas as moléculas[br]possíveis que poderiam ser sintetizadas,

0:01:04.145,0:01:09.759
e, assim, em vez de procurar[br]uma agulha no palheiro,

0:01:09.783,0:01:13.543
podemos usar o imã gigante[br]do poder da computação

0:01:13.567,0:01:17.482
para encontrar muitas agulhas[br]em vários palheiros, simultaneamente.

0:01:18.423,0:01:20.415
Já tivemos algum sucesso inicial.

0:01:21.010,0:01:26.465
Recentemente, usamos aprendizado de[br]máquina para descobrir novos antibióticos

0:01:26.465,0:01:29.083
que podem nos ajudar a combater[br]as infecções bacterianas

0:01:29.083,0:01:32.694
que podem ocorrer em conjunto[br]com infecções por SARS-CoV-2.

0:01:33.181,0:01:37.350
Há dois meses, o Audacious Project[br]do TED aprovou financiamento

0:01:37.374,0:01:39.562
pra ampliarmos intensamente nosso trabalho

0:01:39.586,0:01:44.214
com o objetivo de descobrir[br]sete novas classes de antibióticos

0:01:44.238,0:01:47.721
contra sete dos patógenos[br]bacterianos mortais do mundo

0:01:47.745,0:01:49.800
nos próximos sete anos.

0:01:50.206,0:01:51.939
Para contextualizar:

0:01:51.963,0:01:53.915
o número de novas classes de antibióticos

0:01:53.915,0:01:57.150
descobertas nas últimas[br]três décadas é zero.

0:01:57.990,0:02:01.625
Embora a busca por novos antibióticos[br]seja para o nosso futuro a médio prazo,

0:02:01.625,0:02:06.277
o novo coronavírus representa[br]uma ameaça mortal imediata,

0:02:06.301,0:02:10.094
e fico feliz em dizer que acreditamos[br]que podemos usar a mesma tecnologia

0:02:10.118,0:02:12.927
para procurar terapêuticas[br]para combater esse vírus.

0:02:13.486,0:02:15.205
Então, como vamos fazer isso?

0:02:15.229,0:02:18.177
Estamos criando uma biblioteca[br]de treinamento composto,

0:02:18.201,0:02:23.743
com colaboradores que aplicam as moléculas[br]em células infectadas com SARS-CoV-2

0:02:23.767,0:02:27.661
para ver quais delas[br]exibem atividade efetiva.

0:02:28.015,0:02:31.331
Usaremos esses dados para treinar[br]um modelo de aprendizado de máquina,

0:02:31.331,0:02:33.665
o qual será aplicado[br]a uma biblioteca "in silico"

0:02:33.665,0:02:35.485
de mais de 1 bilhão de moléculas

0:02:35.485,0:02:39.629
para procurar potenciais[br]novos compostos antivirais.

0:02:40.324,0:02:42.982
Vamos sintetizar e testar[br]as principais previsões

0:02:43.006,0:02:46.255
e encaminhar os candidatos[br]mais promissores para a clínica.

0:02:46.356,0:02:48.134
Parece bom demais para ser verdade?

0:02:48.158,0:02:49.590
Bem, não deveria.

0:02:49.590,0:02:52.963
O "Antibiotics AI Project" é baseado[br]na pesquisa de prova de conceito

0:02:52.963,0:02:56.364
que levou à descoberta[br]de um novo antibiótico de amplo espectro

0:02:56.388,0:02:57.883
chamado Halocin.

0:02:58.443,0:03:01.256
O Halocin tem atividade[br]antibacteriana potente

0:03:01.280,0:03:05.382
contra quase todos os patógenos[br]bacterianos resistentes a antibióticos,

0:03:05.406,0:03:09.447
incluindo infecções[br]pan-resistentes intratáveis.

0:03:09.862,0:03:12.156
Mas ao contrário dos antibióticos atuais,

0:03:12.156,0:03:15.850
a frequência com que bactérias[br]desenvolvem resistência contra o Halocin

0:03:15.874,0:03:17.538
é notavelmente baixa.

0:03:18.303,0:03:23.013
Testamos a capacidade das bactérias[br]de desenvolver resistência contra Halocin

0:03:23.037,0:03:24.825
e contra Cipro no laboratório.

0:03:25.299,0:03:26.841
No caso do Cipro,

0:03:26.865,0:03:29.690
depois de só um dia, vimos resistência.

0:03:30.213,0:03:31.691
No caso do Halocin,

0:03:31.691,0:03:34.090
depois de um dia, não houve resistência.

0:03:34.479,0:03:40.631
Surpreendentemente, depois de até 30 dias,[br]não vimos nenhuma resistência contra ele.

0:03:41.098,0:03:46.624
Neste projeto piloto, primeiro testamos[br]cerca de 2,5 mil compostos contra E. coli.

0:03:47.259,0:03:50.039
Esse conjunto de estudo[br]incluía antibióticos conhecidos,

0:03:50.063,0:03:51.809
como Cipro e penicilina,

0:03:51.809,0:03:54.365
bem como medicamentos[br]que não são antibióticos.

0:03:54.984,0:03:57.571
Usamos esses dados para treinar um modelo

0:03:57.595,0:04:01.573
para aprender características moleculares[br]associadas à atividade antibacteriana.

0:04:02.039,0:04:05.134
Nós os usamos numa biblioteca[br]de reaproveitamento de medicamentos

0:04:05.134,0:04:07.472
contendo vários milhares de moléculas

0:04:07.496,0:04:10.114
e pedimos ao modelo[br]para identificar moléculas

0:04:10.138,0:04:12.922
que se prevê terem[br]propriedades antibacterianas,

0:04:12.946,0:04:15.523
mas não se parecem[br]com antibióticos existentes.

0:04:16.427,0:04:21.224
Curiosamente, apenas uma molécula nessa[br]biblioteca se encaixa nesses critérios,

0:04:21.248,0:04:23.914
e ela acabou por ser o próprio Halocin.

0:04:24.444,0:04:27.532
Dado que ele não se parece[br]com nenhum antibiótico existente,

0:04:27.556,0:04:31.710
teria sido impossível para um ser humano,[br]incluindo um especialista em antibióticos,

0:04:31.734,0:04:33.918
identificá-lo dessa maneira.

0:04:34.574,0:04:37.204
Imagine agora o que poderíamos[br]fazer com esta tecnologia

0:04:37.228,0:04:38.969
contra o SARS-CoV-2.

0:04:39.783,0:04:41.148
E isso não é tudo.

0:04:41.172,0:04:43.992
Também estamos usando[br]as ferramentas da biologia sintética,

0:04:44.016,0:04:46.627
ajustando DNA e outras máquinas celulares,

0:04:46.651,0:04:50.561
para servir a propósitos humanos,[br]como combater a COVID-19,

0:04:50.585,0:04:54.232
e estamos trabalhando para desenvolver[br]uma máscara protetora

0:04:54.256,0:04:57.688
que também possa servir[br]como teste rápido de diagnóstico.

0:04:58.192,0:04:59.664
Então, como isso funciona?

0:04:59.664,0:05:03.497
Mostramos recentemente que podemos tirar[br]a maquinaria celular de uma célula viva

0:05:03.884,0:05:07.976
e liofilizá-la junto[br]com sensores de RNA no papel

0:05:08.000,0:05:12.916
para criar diagnósticos[br]de baixo custo para o Ebola e o Zika.

0:05:13.503,0:05:18.730
Os sensores são ativados quando são[br]reidratados por uma amostra de paciente

0:05:18.754,0:05:21.576
que poderia consistir em sangue[br]ou saliva, por exemplo.

0:05:21.600,0:05:24.861
Mas esta tecnologia não se limita ao papel

0:05:24.885,0:05:27.771
e pode ser aplicada[br]a outros materiais, incluindo tecidos.

0:05:28.671,0:05:30.613
Para a pandemia de COVID-19,

0:05:30.637,0:05:34.983
estamos projetando sensores[br]de RNA para detectar o vírus

0:05:35.007,0:05:38.217
e liofilizá-los juntamente[br]com as máquinas celulares necessárias

0:05:38.241,0:05:40.948
no tecido de uma máscara facial,

0:05:40.972,0:05:43.201
na qual o simples ato de respirar,

0:05:43.225,0:05:47.482
junto com o vapor de água[br]da respiração, pode ativar o teste.

0:05:47.804,0:05:52.064
Assim, se um paciente estiver[br]infectado com SARS-CoV-2,

0:05:52.088,0:05:54.161
a máscara produzirá um sinal fluorescente

0:05:54.185,0:05:58.015
que poderia ser detectado por um[br]dispositivo portátil simples e barato.

0:05:58.534,0:06:03.018
Em uma ou duas horas,[br]um paciente poderia ser diagnosticado

0:06:03.042,0:06:06.014
de forma segura, remota e precisa.

0:06:06.735,0:06:09.255
Também estamos usando biologia sintética

0:06:09.279,0:06:11.999
para projetar uma vacina[br]candidata ao COVID-19.

0:06:13.014,0:06:18.467
Estamos redirecionando a vacina BCG, usada[br]contra a tuberculose há quase um século.

0:06:18.585,0:06:20.126
É uma vacina viva atenuada,

0:06:20.150,0:06:24.807
e a estamos projetando[br]para expressar antígenos SARS-CoV-2,

0:06:24.831,0:06:27.645
que devem desencadear a produção[br]de anticorpos protetores

0:06:27.669,0:06:29.304
pelo sistema imunológico.

0:06:29.328,0:06:32.062
É importante ressaltar que a BCG[br]é massivamente escalável

0:06:32.086,0:06:37.219
e possui um perfil de segurança entre[br]os melhores de qualquer vacina relatada.

0:06:37.881,0:06:42.986
Com as ferramentas da biologia sintética[br]e da inteligência artificial,

0:06:43.010,0:06:46.358
podemos vencer a luta[br]contra esse novo coronavírus.

0:06:46.844,0:06:50.163
Este trabalho está nos estágios[br]iniciais, mas a promessa é real.

0:06:50.798,0:06:54.183
Ciência e tecnologia podem nos dar[br]uma vantagem importante

0:06:54.183,0:06:57.452
na batalha da inteligência humana[br]contra os genes das superbactérias,

0:06:57.452,0:06:59.199
uma batalha que podemos vencer.

0:06:59.990,0:07:01.223
Obrigado.