0:00:00.880,0:00:03.945
Então, como é que vamos vencer[br]o novo coronavírus?

0:00:04.317,0:00:07.278
Utilizando os nossos[br]melhores instrumentos:

0:00:07.298,0:00:09.330
a nossa ciência e tecnologia.

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

0:00:12.750,0:00:14.529
e a biologia sintética,

0:00:14.543,0:00:17.541
para acelerar a luta contra esta pandemia.

0:00:17.898,0:00:20.241
O nosso trabalho foi [br]originalmente projetado

0:00:20.261,0:00:22.948
para abordar a crise[br]de resistência aos antibióticos.

0:00:22.982,0:00:27.301
O nosso projeto procura aproveitar[br]o poder de aprendizagem da máquina

0:00:27.331,0:00:29.651
para reabastecer[br]o nosso arsenal antibiótico

0:00:29.695,0:00:33.263
e evitar uma devastadora era [br]pós-antibiótica a nível global.

0:00:33.685,0:00:36.505
Principalmente,[br]a mesma tecnologia pode ser usada

0:00:36.529,0:00:38.601
para procurar compostos antivirais

0:00:38.625,0:00:41.537
que possam ajudar-nos[br]a combater a pandemia atual.

0:00:41.931,0:00:44.962
A aprendizagem de máquina[br]está a mudar de forma radical

0:00:44.972,0:00:47.434
o modelo tradicional[br]de descoberta de drogas.

0:00:47.434,0:00:48.919
Com esta abordagem,

0:00:48.953,0:00:52.641
em vez de testar meticulosamente[br]milhares de moléculas existentes

0:00:52.665,0:00:54.511
uma a uma, num laboratório

0:00:54.525,0:00:56.365
para determinar a eficácia delas,

0:00:56.365,0:01:00.345
podemos treinar um computador[br]para explorar um espaço muitíssimo maior

0:01:00.345,0:01:03.935
de todas as moléculas possíveis[br]que possamos sintetizar,

0:01:03.985,0:01:09.095
e, assim, em vez de procurar[br]uma agulha no palheiro,

0:01:09.509,0:01:13.093
podemos usar o íman gigante[br]do poder da informática

0:01:13.153,0:01:17.522
para encontrar muitas agulhas[br]em muitos palheiros, simultaneamente.

0:01:18.207,0:01:20.430
Já tivemos algum sucesso inicial.

0:01:20.950,0:01:24.728
Recentemente, usámos[br]a aprendizagem de máquina

0:01:24.728,0:01:26.579
para descobrir novos antibióticos

0:01:26.629,0:01:29.443
que podem ajudar-nos a lutar [br]contra as infeções bacterianas

0:01:29.473,0:01:32.642
que podem ocorrer juntamente[br]com infeções de SARS-CoV-2 .

0:01:33.224,0:01:37.423
Há dois meses, o Audacious Project do TED[br]aprovou o nosso financiamento,

0:01:37.473,0:01:40.334
para ampliar maciçamente o nosso trabalho

0:01:40.374,0:01:44.224
com o objetivo de descobrir [br]sete novas classes de antibióticos,

0:01:44.304,0:01:47.929
contra sete dos patógenos [br]bacterianos mais mortais do mundo

0:01:47.959,0:01:50.062
durante os próximos sete anos.

0:01:50.147,0:01:51.921
Para contextualizar:

0:01:51.971,0:01:54.176
o número de novas classes de antibióticos

0:01:54.206,0:01:57.407
que foram descobertas durante[br]as três últimas décadas, é zero.

0:01:58.067,0:02:01.709
Enquanto a procura de novos antibióticos[br]é para um futuro a médio prazo,

0:02:01.759,0:02:05.820
o novo coronavírus representa[br]uma ameaça mortal imediata.

0:02:06.132,0:02:10.075
Estou feliz por informar que achamos[br]poder usar a mesma tecnologia

0:02:10.191,0:02:13.228
para procurar terapêuticas[br]para combater este vírus.

0:02:13.561,0:02:15.472
Então como é que vamos fazer isso?

0:02:15.512,0:02:18.564
Estamos a criar uma biblioteca[br]de formação composta

0:02:18.564,0:02:21.824
com colaboradores[br]que aplicam essas moléculas

0:02:21.824,0:02:24.090
a células infetadas de SARS-CoV-2

0:02:24.090,0:02:27.426
para ver quais delas exibem[br]uma atividade eficaz.

0:02:28.186,0:02:31.747
Esses dados serão usados para treinar[br]um modelo de aprendizagem de máquina

0:02:31.767,0:02:34.008
que será aplicado[br]numa biblioteca "in silico"

0:02:34.028,0:02:36.698
de mais de mil milhões de moléculas

0:02:36.728,0:02:39.561
para procurar eventuais[br]novos compostos antivirais.

0:02:40.301,0:02:43.112
Vamos sintetizar e testar [br]as principais previsões

0:02:43.112,0:02:46.047
e apresentar às clínicas[br]os candidatos mais promissores.

0:02:46.457,0:02:49.211
Soa bom demais para ser verdade?[br]Bom, não devia.

0:02:49.672,0:02:53.123
O projeto Antibiotics AI baseia-se[br]na nossa pesquisa de prova de conceito

0:02:53.123,0:02:55.523
que levou à descoberta[br]de um novo antibiótico

0:02:55.563,0:02:57.847
de amplo espetro chamado Halicin.

0:02:58.544,0:03:01.354
O Halicin tem uma atividade[br]antibacteriana potente

0:03:01.374,0:03:05.494
contra quase todos as bactérias[br]patogénicas resistentes a antibióticos.

0:03:05.554,0:03:09.193
incluindo infeções[br]pan-resistentes intratáveis.

0:03:09.837,0:03:12.529
Mais importante, em contraste[br]com os antibióticos atuais

0:03:12.529,0:03:16.310
a frequência com que cada bactéria[br]desenvolve resistência contra o Halicin

0:03:16.379,0:03:18.053
é notavelmente baixa.

0:03:18.258,0:03:22.693
Nós testámos a capacidade de as bactérias[br]desenvolverem resistência contra o Halicin

0:03:22.753,0:03:25.440
em comparação com o Cipro no laboratório.

0:03:25.625,0:03:27.216
No caso do Cipro,

0:03:27.246,0:03:29.949
ao fim de um dia apenas,[br]detetámos resistência.

0:03:30.033,0:03:31.906
No caso do Halicin,

0:03:31.906,0:03:34.395
ao fim de um dia, não detetámos[br]nenhuma resistência.

0:03:34.721,0:03:37.707
Incrivelmente, ao fim de 30 dias,

0:03:37.767,0:03:40.594
não detetámos[br]nenhuma resistência ao Halicin.

0:03:41.195,0:03:46.406
Nesse projeto inicial, primeiro testámos[br]cerca de 2500 compostos contra o E. coli.

0:03:47.214,0:03:50.041
Essa parte do treino incluía[br]antibióticos conhecidos,

0:03:50.041,0:03:52.064
como o Cipro e a penicilina,

0:03:52.084,0:03:54.674
assim como muitas drogas[br]que não são antibióticos.

0:03:54.914,0:03:57.640
Usámos esses dados para treinar um modelo

0:03:57.670,0:04:01.614
para saber as características moleculares[br]associadas à atividade antibacteriana.

0:04:02.217,0:04:05.496
Depois, aplicámos esse modelo [br]numa biblioteca de drogas reutilizadas

0:04:05.496,0:04:07.709
formada por vários milhares de moléculas

0:04:07.709,0:04:10.447
e pedimos ao modelo[br]para identificar moléculas

0:04:10.447,0:04:13.195
que, previsivelmente,[br]têm propriedades antibacterianas

0:04:13.195,0:04:15.811
mas não se parecem[br]com os antibióticos existentes.

0:04:16.351,0:04:19.896
Curiosamente, somente[br]uma molécula nessa biblioteca

0:04:19.966,0:04:23.616
encaixava nesses critérios,[br]e essa molécula era o Halicin.

0:04:24.446,0:04:28.054
Considerando que o Halicin não se parece[br]com nenhum antibiótico existente,

0:04:28.114,0:04:31.767
teria sido impossível que uma pessoa, [br]mesmo um especialista em antibióticos,

0:04:31.767,0:04:34.174
identificasse o Halicin dessa maneira.

0:04:34.754,0:04:37.336
Imaginem agora o que podemos [br]fazer com esta tecnologia

0:04:37.336,0:04:39.255
contra a SARS-CoV-2.

0:04:39.627,0:04:41.323
E isto não é tudo.

0:04:41.403,0:04:44.094
Também vamos usar as ferramentas[br]da biologia sintética,

0:04:44.094,0:04:46.868
ajustando com o ADN[br]e outros maquinismos celulares,

0:04:46.928,0:04:49.944
para fins humanos[br]como combater a COVID-19,

0:04:50.354,0:04:54.311
e, de notar, estamos a trabalhar[br]para desenvolver uma máscara protetora

0:04:54.371,0:04:57.910
que também serve [br]como um rápido teste de diagnóstico.

0:04:58.170,0:04:59.871
Então, como isso funciona?

0:04:59.961,0:05:03.820
Bom, nós mostrámos que podemos retirar[br]o maquinismo celular de uma célula viva

0:05:03.850,0:05:08.341
e liofilizá-lo juntamente[br]com sensores de ARN, em papel,

0:05:08.391,0:05:13.081
para criar diagnósticos[br]de baixo custo para o Ébola e o Zika.

0:05:13.414,0:05:18.754
Os sensores são ativados quando são [br]reidratados por uma amostra do paciente

0:05:18.804,0:05:21.463
que pode consistir em sangue[br]ou saliva, por exemplo.

0:05:21.703,0:05:25.009
Acontece que essa tecnologia[br]não se limita ao papel

0:05:25.103,0:05:28.092
e pode ser aplicada a outros[br]materiais, incluindo o pano.

0:05:28.505,0:05:30.591
Para a pandemia de COVID-19,

0:05:30.661,0:05:34.786
estamos a desenvolver sensores[br]de ARN para detetar o vírus

0:05:34.876,0:05:38.396
e liofilizar esses sensores juntamente[br]com o maquinismo celular necessário

0:05:38.426,0:05:40.846
no tecido de uma máscara facial,

0:05:40.846,0:05:43.082
onde o simples ato de respirar,

0:05:43.172,0:05:45.972
juntamente com o vapor de água [br]que acompanha a respiração

0:05:46.002,0:05:47.735
pode ativar o teste.

0:05:47.812,0:05:51.775
Portanto, se um paciente[br]está infetado com SARS-CoV-2,

0:05:51.815,0:05:54.835
a máscara produzirá[br]um sinal fluorescente

0:05:54.835,0:05:57.975
que pode ser detetado por um simples[br]dispositivo portátil barato.

0:05:58.390,0:06:03.007
Em uma hora ou duas, o paciente[br]pode ser diagnosticado com segurança,

0:06:03.077,0:06:06.434
à distância e com rigor.

0:06:06.814,0:06:09.518
Também estamos a usar[br]a biologia sintética

0:06:09.548,0:06:12.512
para desenvolver uma possível[br]vacina para a COVID-19.

0:06:12.984,0:06:15.815
Estamos a redirecionar a vacina BCG

0:06:15.815,0:06:18.675
que foi usada contra a tuberculose[br]durante quase um século.

0:06:18.705,0:06:20.489
É uma vacina viva atenuada

0:06:20.489,0:06:24.716
e estamos a modificá-la[br]para conseguir antigenes SARS-CoV-2,

0:06:24.766,0:06:27.620
que deverão desencadear[br]a produção de anticorpos protetores

0:06:27.620,0:06:29.477
pelo sistema imunológico.

0:06:29.577,0:06:32.420
Melhor ainda, a BCG[br]pode ser produzida em grande quantidade

0:06:32.440,0:06:36.786
e tem um dos melhores perfis de segurança [br]de qualquer vacina já conhecida.

0:06:37.909,0:06:42.759
Com estas ferramentas da biologia[br]sintética e da inteligência artificial,

0:06:42.918,0:06:46.315
podemos vencer a luta[br]contra o novo coronavírus.

0:06:46.915,0:06:50.200
Este trabalho está nas etapas iniciais, [br]mas a promessa é real.

0:06:50.630,0:06:54.040
A ciência e a tecnologia podem dar-nos[br]uma importante vantagem

0:06:54.113,0:06:57.440
na batalha da inteligência humana[br]contra os genes das superbactérias,

0:06:57.500,0:06:59.820
uma batalha que podemos vencer.

0:06:59.906,0:07:01.755
Obrigado.