open-source generative artificial intelligence enables the de novo design of an orally bioavailable triple glp-1/gip/glucagon receptor agonist for the treatment of typ e 2 diabetes mellitus
Endocrinologia & Diabetes Clínica e Experimental · 2026 · 23 (2) · 77-83
DOI: 10.29327/2413063.23.2-2 ↗Kurz gefasst
Fachartikel in der Zeitschrift Endocrinologia & Diabetes Clínica e Experimental, 2026. Verfasst von Gabriela Correia Matos de Oliveira1, und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Themen: Künstliche Intelligenz in der Pflege, Diabetes mellitus
Abstract (Originalsprache)
RESUMO INTRODUÇÃO: O diabetes mellitus tipo 2 (DM2) demanda estratégias terapêuticas capazes de superar as limitações da modulação incretínica de alvo único. O agonismo triplo dos receptores de GLP-1, GIP e glucagon (GCGR) oferece benefícios metabólicos sinérgicos. Os avanços em inteligência artificial (IA) generativa de código aberto possibilitam atualmente o desenho molecular de novo com precisão sem precedentes, apoiando o desenvolvimento de agonistas multi-receptores com viabilidade para administração oral. OBJETIVO: Desenhar e avaliar computacionalmente um peptídeo de novo capaz de ativação equilibrada de GLP-1R, GIPR e GCGR, apresentando propriedades físico-químicas e farmacocinéticas compatíveis com administração oral. MÉ- TODOS: Um pipeline totalmente in silico foi estabelecido, integrando desenho generativo de peptídeos baseado em ChemGPT, predição estrutural por ESMFold, acoplamento molecular por CB-Dock2, simulações de dinâmica molecular de 100 ns por meio do WebGro e perfilamento de ADMET utilizando SwissADME, pkCSM e ProTox-II. Os candidatos principais foram priorizados com base em estabilidade estrutural, afinidade multi-receptorial e biodisponibilidade oral prevista. RESULTADOS: O ChemGPT gerou 150 peptídeos, dos quais 38 atenderam aos critérios de qualidade estrutural e sete alcançaram afinidade multi-receptorial equilibrada. O candidato principal TA-071 apresentou energias de acoplamento de -10,8 (GLP-1R), -10,2 (GIPR) e -10,6 kcal/mol (GCGR), mantendo ligação estável ao longo das simulações de dinâmica molecular (RMSD
Zitieren
APA
Oliveira1,, G. C. M. D., Silva, L. L. D., & Andrade5, L. J. D. O. I. (2026). open-source generative artificial intelligence enables the de novo design of an orally bioavailable triple glp-1/gip/glucagon receptor agonist for the treatment of typ e 2 diabetes mellitus. Endocrinologia & Diabetes Clínica e Experimental, 23(2), 77-83. https://doi.org/10.29327/2413063.23.2-2
Vancouver
Oliveira1, GCMD, Silva LLD, Andrade5 LJDOI. open-source generative artificial intelligence enables the de novo design of an orally bioavailable triple glp-1/gip/glucagon receptor agonist for the treatment of typ e 2 diabetes mellitus. Endocrinologia & Diabetes Clínica e Experimental. 2026;23(2):77-83. doi:10.29327/2413063.23.2-2
BibTeX
@article{Oliveira2026,
author = {Oliveira1,, Gabriela Correia Matos de and Silva, Luanna Lopes da and Andrade5, Luís Jesuino de Ol iveira},
title = {open-source generative artificial intelligence enables the de novo design of an orally bioavailable triple glp-1/gip/glucagon receptor agonist for the treatment of typ e 2 diabetes mellitus},
journal = {Endocrinologia & Diabetes Clínica e Experimental},
year = {2026},
volume = {23},
number = {2},
pages = {77--83},
doi = {10.29327/2413063.23.2-2}
}
EUVIMED