Projeto utiliza IA e deep learning para acelerar busca por fármacos para tuberculose

Com o uso de inteligência artificial e deep learning, o projeto desenvolvido pela pesquisadora Késsia Souza Santos, da Universidade Estadual de Feira de Santana (UEFS), se propõe acelerar a procura de novos fármacos para o tratamento da tuberculose. Com esse método, já foi encontrada uma enzima promissora no desenvolvimento de um novo agente antituberculose.

A premiação ocorre no dia 10 de agosto, na abertura da 8ª Reunião de Trabalho dos RICs e Coordenadores(as) de Iniciação Científica e Tecnológica - Edição 2026, a ser realizada na Pontifícia Universidade Católica de São Paulo (PUC-SP), nos dias 10 e 11.

O trabalho de Késsia, “Inteligência artificial, deep learning e construção incremental para o desenvolvimento de novas entidades químicas com ação sobre o Mycobacterium tuberculosis”, que teve orientação de Manoelito Coelho dos Santos Junior, foi agraciado no Prêmio Destaque na Iniciação Científica e Tecnológica do CNPq na área Ciências da Vida na categoria Bolsista de Iniciação Tecnológica.

O Brasil registra de 80 mil a 85 mil novos casos de tuberculose por ano e tem uma taxa de incidência que fica em torno de 38 casos por 100 mil habitantes, ficando na lista dos 30 países com maior carga de tuberculose no mundo, segundo a Organização Mundial da Saúde (OMS), e liderando o ranking nas Américas. A doença causa aproximadamente 5 mil a 6 mil mortes anuais no território brasileiro.

A tuberculose é uma doença que está diretamente ligada à desigualdade social, pobreza e vulnerabilidade. No Brasil, as maiores taxas de incidência são registradas nos estados do Norte e do Sudeste. A doença afeta desproporcionalmente populações vulneráveis, como pessoas em situação de rua, população carcerária, pessoas vivendo com HIV e usuários de drogas, sendo que 37% a 40% dos casos registrados no país têm origem em presídios superlotados.

Em seu trabalho, Késsia desenvolveu o o KAST (K-atalysticFlow), um software gratuito, de código aberto e disponível no GitHub, que, ao implementar redes neurais profundas, aprende a reconhecer padrões químicos de compostos comprovadamente ativos contra o Mycobacterium tuberculosis (bactéria responsável por causar a tuberculose, também conhecido como bacilo de Koch) e emprega esse conhecimento para analisar centenas de milhares de moléculas, identificando as mais promissoras.

"Com essa ferramenta, realizamos a triagem de cerca de 695 mil produtos naturais e, em conjunto com outras técnicas computacionais, identificamos um candidato promissor para inibir a enzima PKS13, essencial para a sobrevivência do bacilo, um passo relevante rumo ao desenvolvimento de um novo agente antituberculose", explicou a pesquisadora.

Prêmio

Késsia disse que receber o Prêmio Destaque na Iniciação Científica e Tecnológica do CNPq é uma honra e um dos momentos mais significativos de sua trajetória acadêmica. "Ser reconhecida nacionalmente pelo principal órgão de fomento à pesquisa do país representa um importante incentivo para seguir contribuindo com a ciência. Como estudante oriunda da escola pública e do interior da Bahia, essa conquista tem um significado ainda mais especial. Ela demonstra que a educação pública de qualidade e o investimento em pesquisa têm o poder de transformar vidas e criar oportunidades", destacou.

A pesquisadora também destacou que a UEFS tem papel fundamental nessa trajetória. "Além de proporcionar uma formação sólida, a instituição oferece um ambiente que estimula a produção científica e a busca por soluções para desafios que impactam diretamente a sociedade. Esse reconhecimento chega, inclusive, em um momento muito simbólico, quando a universidade celebra seus 50 anos de história."

Késsia é farmacêutica e mestranda em Ciências Farmacêuticas pelo Programa de Pós-Graduação da Universidade Estadual de Feira de Santana, entrando em 1º lugar no processo seletivo de 2026. Ela atua como pesquisadora no Laboratório de Modelagem Molecular (LMM), desenvolvendo pesquisas na interface entre inteligência artificial, bioinformática e modelagem molecular aplicadas à descoberta de novos fármacos. Ela também é desenvolvedora do K-talysticFlow (KAST), um pipeline automatizado de deep learning para triagem virtual.

A pesquisadora foi bolsista de Iniciação Científica (FAPESB e CNPq/PIBIC) e de Iniciação Tecnológica (CNPq/PIBITI) e conquistou um prêmio de 1º lugar na área de Iniciação Tecnológica (Grande Área: Ciências da Vida) no Seminário de Iniciação Científica da UEFS (SEMIC) em 2025.