IA Pelican identifica 98% dos genes de vírus que infectam bactérias

Pesquisadores do Instituto de Química da Universidade de São Paulo (IQ-USP), com apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp), desenvolveram uma nova ferramenta de inteligência artificial chamada Pelican. O programa é capaz de localizar genes de bacteriófagos, vírus que infectam bactérias, com uma precisão inédita. Em testes com genomas virais já conhecidos, o Pelican identificou, em média, 98% dos genes presentes, superando outros softwares avaliados.

O que são bacteriófagos e sua importância

Os bacteriófagos, ou fagos, são vírus que atacam especificamente bactérias. Eles têm despertado grande interesse científico devido ao seu potencial em diversas áreas, como medicina, biotecnologia e agricultura. Na saúde, a fagoterapia, que utiliza esses vírus para combater infecções bacterianas, surge como uma alternativa promissora diante do crescente problema da resistência bacteriana aos antibióticos.

O desenvolvimento do Pelican faz parte de um projeto mais amplo do Centro de Pesquisa em Biologia de Bactérias e Bacteriófagos (Cepid B3), apoiado pela Fapesp. A pesquisa, coordenada pelo professor João Carlos Setubal, teve seus detalhes publicados na revista BMC Bioinformatics em outubro. O software está disponível gratuitamente no GitHub.

Desafios na anotação genômica de fagos

A tarefa de identificar genes em genomas virais, conhecida como anotação genômica, é complexa. Nos fagos, essa dificuldade é acentuada porque seus genes tendem a ser menores e podem se sobrepor, tornando desafiador delimitar onde um gene termina e outro começa. Além disso, muitos genes de fagos ainda não têm funções biológicas conhecidas, o que limita as informações para guiar a análise.

Segundo Fernando Pacheco Nobre Rossi, principal desenvolvedor da ferramenta, a maioria dos programas de anotação genômica existentes foi projetada para analisar genomas de bactérias, que possuem características distintas dos genomas de fagos.

Como o Pelican funciona e seus resultados

O Pelican combina as predições de quatro ferramentas de bioinformática. Ele considera uma predição válida quando pelo menos três ferramentas concordam. Em caso de divergência, o programa utiliza métodos estatísticos, comparações com bancos de dados biológicos e modelos de aprendizado de máquina (inteligência artificial) para determinar a probabilidade de uma região conter genes verdadeiros. O sistema também analisa a sobreposição de genes preditos.

Nos testes, o Pelican alcançou um recall (sensibilidade) de 98%, detectando a vasta maioria dos genes conhecidos. No entanto, o programa também identificou 95 regiões adicionais como potenciais genes, um número maior que os outros softwares comparados. Análises posteriores sugeriram que mais de 70% dessas regiões adicionais poderiam codificar proteínas com estrutura plausível, embora ainda necessitem de validação científica.

“Quanto mais bem anotado o genoma do fago, mais informação temos sobre como o microrganismo funciona”, afirma Rossi. Uma identificação mais precisa dos genes pode acelerar investigações sobre mecanismos de infecção, ciclos de vida e estratégias de defesa desses vírus, além de auxiliar na seleção de fagos para estudos contra agentes infecciosos específicos.

A ideia original do projeto partiu da professora Aline Maria da Silva, do IQ-USP, que faleceu em outubro de 2024. O professor Setubal ressalta que a pesquisa é um componente chave do Cepid B3 e que novas ferramentas para análise de genomas de fagos são esperadas nos próximos anos.