EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

a systems biology and generative artificial intelligence framework for rational multi-target drug design in metabolic dysfunction-associated steatotic liver disease: proof-of-concept identification of hepatocyte precision metabolic modulator-001

Luís Jesuíno de Oliveira Andrade, Luís Matos de Olive ira

Endocrinologia & Diabetes Clínica e Experimental · 2026 · 23 (3) · 160-168

DOI: 10.29327/2413063.23.3-1 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Endocrinologia & Diabetes Clínica e Experimental, 2026. Verfasst von Luís Jesuíno de Oliveira Andrade und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

INTRODUÇÃO: A doença hepática esteatótica associada à disfunção metabólica (MASLD) constitui a principal causa de doença hepática crônica em escala mundial e caracteriza-se por interações complexas entre vias metabólicas, inflamatórias e fibrogênicas. As estratégias farmacológicas atuais direcionam-se predominantemente a mecanismos moleculares isolados, o que limita sua capacidade de abordar a natureza multifatorial da doença. OBJETIVO: Desenvolver uma estrutura computacional integrativa para a descoberta racional de fármacos multialvo na MASLD e avaliar sua viabilidade por meio do desenho de novo de uma molécula candidata de baixo peso molecular. MÉTODOS: Foi desenvolvido um pipeline computacional de ponta a ponta, integrando biologia de sistemas, farmacologia de redes, aprendizado de máquina, inteligência artificial generativa, docking molecular, dinâmica molecular, farmacologia quantitativa de sistemas e simulação de pacientes virtuais, com o objetivo de identificar redes regulatórias centrais, priorizar alvos terapêuticos, projetar um novo composto multialvo e predizer seu perfil farmacológico. RESULTADOS: A estrutura computacional identificou uma rede terapêutica complementar envolvendo SREBP1, AMPKa1, PPARd, NLRP3 e FXR. A molécula gerada de novo, denominada Hepatocyte Precision Metabolic Modulator-001 (HPM-001), apresentou afinidade de ligação predita consistente em todos os alvos priorizados, interações proteína-ligante estáveis durante as simulações de dinâmica molecular e perfis farmacocinético e de segurança in silico favoráveis. Simulações de farmacologia de sistemas e de pacientes digitais previram modulação coordenada do metabolismo lipídico e das vias inflamatórias, corroborando a plausibilidade biológica da estratégia multialvo proposta. CONCLUSÃO: Este estudo estabelece uma estrutura computacional reprodutível para a descoberta de fármacos multialvo orientada por inteligência artificial na MASLD e identifica o HPM-001 como um candidato de prova de conceito para posterior validação experimental. Esses resultados sustentam a utilização de abordagens computacionais integradas para acelerar a priorização de terapias polifarmacológicas destinadas ao tratamento de doenças metabólicas complexas. Descritores: Doença hepática esteatótica associada à disfunção metabólica, Inteligência artificial, Biologia de sistemas, Polifarmacologia, Descoberta de

Zitieren

APA

Andrade, L. J. D. O., & ira, L. M. D. O. (2026). a systems biology and generative artificial intelligence framework for rational multi-target drug design in metabolic dysfunction-associated steatotic liver disease: proof-of-concept identification of hepatocyte precision metabolic modulator-001. Endocrinologia & Diabetes Clínica e Experimental, 23(3), 160-168. https://doi.org/10.29327/2413063.23.3-1

Vancouver

Andrade LJDO, ira LMDO. a systems biology and generative artificial intelligence framework for rational multi-target drug design in metabolic dysfunction-associated steatotic liver disease: proof-of-concept identification of hepatocyte precision metabolic modulator-001. Endocrinologia & Diabetes Clínica e Experimental. 2026;23(3):160-168. doi:10.29327/2413063.23.3-1

BibTeX
@article{Andrade2026,
  author = {Andrade, Luís Jesuíno de Oliveira and ira, Luís Matos de Olive},
  title = {a systems biology and generative artificial intelligence framework for rational multi-target drug design in metabolic dysfunction-associated steatotic liver disease: proof-of-concept identification of hepatocyte precision metabolic modulator-001},
  journal = {Endocrinologia & Diabetes Clínica e Experimental},
  year = {2026},
  volume = {23},
  number = {3},
  pages = {160--168},
  doi = {10.29327/2413063.23.3-1}
}
Kostenlos starten →