Pesquisadores da Universidade Hebraica de Jerusalém desenvolveram uma estrutura computacional capaz de identificar 92 candidatos promissores a substitutos do açúcar entre mais de 50 milhões de compostos químicos. A descoberta, que combina inteligência artificial e modelagem molecular, pode acelerar a criação de novos adoçantes sem o gosto amargo característico de muitos produtos disponíveis no mercado. O estudo foi conduzido pela doutora Shayma El-Atawneh e pelo professor Amiram Goldblum, segundo informações da agência internacional de notícias de saúde.
A busca por alternativas ao açúcar ganhou urgência diante dos riscos associados ao consumo excessivo da substância. Ingestão elevada de açúcar aumenta o risco de obesidade, diabetes tipo 2, doença hepática gordurosa e problemas cardiovasculares. Embora a FDA tenha aprovado adoçantes artificiais e estabelecido limites diários recomendados, opções como aspartame, sacarina e sucralose apresentam limitações importantes, incluindo sabor amargo ou metálico residual.
O desafio de encontrar compostos doces sem características indesejáveis levou os cientistas a desenvolver um método baseado em aprendizado de máquina chamado Eliminação Estocástica Iterativa. A técnica permite avaliar e classificar milhões de compostos em ambiente virtual em pouco tempo, reduzindo drasticamente o número de substâncias que precisam ser testadas em laboratório e em organismos vivos.
Os pesquisadores criaram modelos preditivos a partir de compostos conhecidos com sabor doce e amargo, permitindo distinguir características desejáveis e indesejáveis. Esses modelos foram aplicados a três grandes bases de dados químicos contendo aproximadamente 50,7 milhões de moléculas. O processo identificou candidatos promissoramente doces enquanto filtrava compostos com previsão de sabor amargo.
Para refinar os resultados, a equipe combinou aprendizado de máquina com acoplamento molecular, técnica computacional que simula como moléculas interagem com alvos biológicos. Os pesquisadores examinaram como os candidatos poderiam se ligar ao receptor humano de sabor doce, composto por duas subunidades proteicas chamadas T1R2 e T1R3. A estrutura detalhada desse receptor foi publicada apenas no ano passado, possibilitando o refinamento por acoplamento.
Ao combinar previsão de sabor, acoplamento molecular e filtros de estrutura química, os cientistas reduziram o conjunto inicial para 556 adoçantes potenciais. Uma priorização adicional resultou em 92 candidatos, selecionados por suas propriedades previstas favoráveis e adequação para testes experimentais futuros.
A análise revelou que muitas dessas moléculas possuem estruturas químicas distintas das encontradas em adoçantes conhecidos, sugerindo oportunidades para descobrir classes inteiramente novas de compostos com sabor doce. Os pesquisadores também identificaram vários moduladores de receptores doces previamente patenteados entre os candidatos, oferecendo suporte adicional à eficácia da abordagem computacional.
Além de identificar moléculas promissoras, o estudo destaca o potencial do aprendizado de máquina para acelerar e direcionar a descoberta de alternativas ao açúcar. Ao reduzir milhões de compostos possíveis a uma seleção gerenciável, a abordagem pode diminuir significativamente o esforço experimental necessário para identificar novos substitutos.
Os achados podem ter implicações para a indústria de alimentos e bebidas, que continua buscando adoçantes de baixa caloria capazes de imitar o sabor do açúcar enquanto minimizam gostos residuais indesejáveis. No entanto, os pesquisadores enfatizam que os compostos identificados ainda são previsões computacionais. Experimentos laboratoriais serão necessários para confirmar sua doçura, avaliar sua segurança e determinar se são adequados para uso em produtos alimentícios.