IA Generativa para construção de um modelo de cálculo para prospecção de moléculas bioativa
Introdução: A integração entre o conhecimento humano e o uso da Inteligência Artificial (IA) possibilita a agilidade e precisão para rotinas laboratoriais de pesquisa. Objetivo: Determinar a concentração inibitória (IC50)[1] de uma droga experimental por meio de uma curva sigmoide. Metodologia: Util...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Online |
| Language: | Portuguese |
| Published: |
Universidade Estadual de Campinas (UNICAMP)
2024
|
| Subjects: | |
| Online Access: | https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/11174 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Introdução: A integração entre o conhecimento humano e o uso da Inteligência Artificial (IA) possibilita a agilidade e precisão para rotinas laboratoriais de pesquisa. Objetivo: Determinar a concentração inibitória (IC50)[1] de uma droga experimental por meio de uma curva sigmoide. Metodologia: Utilizamos a IA generativa do Chat GPT[2] para auxiliar na criação de uma rotina automatizada em Python, que realiza a leitura de arquivos XLS gerados pela leitora de ELISA. Em laboratório, os experimentos foram conduzidos em placas de 96 poços (12 colunas x 8 linhas). A cada 3 colunas foram depositados diferentes tipos de células cancerígenas compondo 4 conjuntos. Em linha, foram combinadas diferentes concentrações de drogas, sendo a última o controle. Após 48 horas de contato com a droga, as células foram submetidas a ensaio colorimétrico revelando absorbâncias em relação às diferentes concentrações da droga. O código Python, converte os valores em porcentagem de inibição em relação ao controle, gera três curvas sigmoides e calcula o IC50 de cada curva, a média e desvio padrão relacionadas ao tipo celular. A partir dos valores de IC50 calculados, gera 4 gráficos relativos a cada tipo de célula e uma tabela com os resultados. Resultados: Desenvolvimento rápido de rotina uma estável que substitui cálculos em softwares onerosos e trabalhosos para obter o IC50. Conclusão: Os códigos apresentados pelo GPT foram adaptados por especialistas com conhecimento prévio sobre programação e contexto farmacológico, resultando em um produto replicável para laboratórios que utilizam o IC50 como métrica de ensaios com drogas. |
|---|---|
| ISSN: | 2525-5398 |
