Inteligência artificial decifra genes da malária mais letal

Cientistas do Instituto Bernhard Nocht de Medicina Tropical, na Alemanha, empregam inteligência artificial para identificar genes do parasita da malária associados às formas mais graves da doença. A iniciativa surge em meio ao ressurgimento global de casos e mortes pela infecção, conforme reportagem do portal Phys.org.

O Relatório Mundial da Malária 2025 da Organização Mundial da Saúde registra cerca de 282 milhões de casos e 610 mil mortes em 2024. A maioria das vítimas são crianças na África Subsaariana, e o progresso no controle da doença desacelera por causa da resistência a medicamentos e inseticidas.

O presidente do conselho do BNITM, professor Jürgen May, ressaltou o histórico de mais de um século de pesquisas sobre malária no instituto. Ele defendeu que as novas ferramentas de análise de dados permitem compreender melhor a adaptação do parasita e pavimentar estratégias mais eficazes de combate.

O parasita Plasmodium falciparum causa as formas mais severas da malária ao modificar a superfície das hemácias humanas com proteínas chamadas PfEMP1. Essas proteínas permitem que as células infectadas se fixem nas paredes dos vasos sanguíneos e escapem da filtragem do baço.

A bióloga Anna Bachmann, chefe de um grupo de pesquisa no BNITM, lidera os esforços para entender por que algumas infecções são leves enquanto outras se tornam fatais. Ela analisa quais variantes do gene var estão ativas durante a infecção e como se relacionam com a gravidade dos sintomas.

O genoma do parasita contém cerca de 60 variações do gene var que codificam diferentes versões da proteína PfEMP1. Algumas variantes fazem as hemácias infectadas se acumularem em órgãos vitais como o cérebro e provocam inflamações graves.

Outras variantes menos aderentes estão associadas a quadros clínicos mais brandos. A identificação precisa dessas diferenças pode ajudar a prever o risco de complicações e orientar tratamentos mais direcionados.

A equipe sequenciou o RNA de amostras de sangue de pacientes com malária para determinar quais genes var estão ativos. Reconstruir as sequências completas a partir de fragmentos curtos representa um desafio comparável a montar um quebra-cabeça genético de alta complexidade.

O professor Thomas Otto, chefe do Departamento de Biologia Computacional de Infecções do BNITM, aprimorou algoritmos capazes de classificar e agrupar genes var com base em características moleculares. Ele e sua equipe desenvolveram um sistema de aprendizado de máquina chamado upsML que prevê com alta precisão o grupo genético de cada variante mesmo com sequências incompletas.

O sistema upsML foi descrito em artigo publicado na revista PLOS One. Em estudo complementar, a equipe analisou células do sistema imunológico de pacientes e descobriu que determinadas respostas inflamatórias se associam fortemente a casos graves em crianças.

Essas descobertas podem permitir diagnósticos mais rápidos e tratamentos personalizados para pacientes em risco de formas severas da malária. Os avanços em bioinformática e inteligência artificial reforçam o papel da ciência de dados no enfrentamento de doenças negligenciadas.

A integração entre biologia molecular e tecnologia digital promete redefinir o combate à malária. Para os pesquisadores do BNITM, compreender o código genético do parasita representa um passo essencial para reduzir mortes e conter o ressurgimento da doença nas próximas décadas.

Leia também: Inteligência artificial acelera avanço quântico e expõe vulnerabilidades globais