A microbiologia tem uma interface em diversas áreas da ciência, como a ambiental, biotecnológica, farmacêutica, na medicina, e em diversos setores industriais. Nesse contexto, a inteligência artificial (artificial inteligence, AI) – junto às modernas técnicas e ferramentas computacionais – trouxe um avanço para todas essas interações. A Inteligência artificial representa um desenvolvimento tecnológico que permite que sistemas simulem uma inteligência que imita a humana. É um conjunto de regras que permite a um computador tomar decisões. Agregado a esse conceito, existem inúmeras possibilidades e programas para múltiplas aplicações. (SMITH et al., 2020).
Atualmente, o uso de softwares de inteligência artificial e suas ferramentas para interpretar dados tornaram-se parte da vida científica, e esses algoritmos de AI estão cada vez mais, se tornando parte da microbiologia. Devido a esses avanços, são possíveis o processamento e a análise de dados com o uso da bioinformática, como ocorre nas ciências ômicas. Do mesmo modo, ocorrem melhorias e acuracidade nos diagnósticos, estudos epidemiológicos e análises estatísticas, entre outras áreas de aplicação. (KIM, 2018). Além disso, trouxe o desenvolvimento de equipamentos, como os microscópios, que passam a ter múltiplas
funções integradas à análise de imagem. Por último, não se pode deixar de lado a parte de ensino presencial e a distância, em que as ferramentas computacionais adquiriram um papel chave na compreensão, transmissão do conhecimento e treinamentos.
As aplicações da inteligência artificial na microbiologia são inúmeras e têm aberto novas fronteiras de conhecimento. Hoje, na formação de um microbiologista, todas essas ferramentas e aplicações são necessárias para poder se adquirir a experiência e a compreensão e possam permitir que o profissional desenvolva suas atividades de forma plena.
2.1 Biologia sistêmica
Por definição, biologia sistêmica ou biologia de sistemas é a área da ciência que busca entender os organismos biológicos em todos os seus níveis: desde a caracterização de suas partes constituintes (genes, RNAs, proteínas, metabólitos), à elucidação das interconexões entre essas moléculas e suas redes de interações, até a compreensão do organismo como um todo. É um tópico que tem crescido muito nos últimos anos e tem ampla interação com a microbiologia, tendo papel importante nessa formação. A biologia sistêmica utiliza as ciências ômicas, que compreendem a genômica, transcritômica, proteômica e metabolômica, as quais estudam, respectivamente, o DNA ou genoma completo, conjunto de transcritos dos genes (RNA mensageiros RNAs ribossômicos, RNAs transportadores e os microRNAs), as proteínas e suas isoformas e metabólitos.
O estudo detalhado dessas ciências ômicas – com o auxílio da bioinformática – tem permitido avanços consideráveis nas ciências em geral. As ciências ômicas estão muito presentes na pesquisa atual em microbiologia e permitiram um grande avanço nas informações sobre a compreensão da arquitetura e funcionamento da célula microbiana. Em adição, a integração desses grandes conjuntos de dados em várias escalas, trará outras perspectivas.
Para a visão atual das possibilidades de como a organização celular pode explicar o surgimento de fenótipos complexos, conexões entre características biológicas, que antes eram consideradas não relacionadas (por exemplo, epigenética e patogenicidade), estão sendo descobertas seguindo esse caminho.
Espera-se que a capacidade de integrar e de combinar dados multiômicos, com técnicas de modelagem metabólica, forneça previsões ainda mais precisas e realistas do metabolismo celular.
(FONDI; LIÒ, 2015).
A inteligência artificial e a biologia de sistemas podem revolucionar todo o processo de desenvolvimento de vacinas.
Diversas metodologias biotecnológicas, baseadas em técnicas in silico e in vivo, podem analisar e propor candidatos com potencial para formulação de vacinas. No entanto, essas metodologias não possuem, sozinhas, a capacidade de medir e examinar a resposta do sistema imunológico em nível global. A inteligência artificial e a biologia sistêmica podem ajudar a encontrar uma resposta para esse problema por meio de uma integração imediata deles, dentro do desenvolvimento de pipeline de vacinas, e aumentar o sucesso de estudos experimentais in vitro / ou in vivo. (RUSSO et al., 2020).
2.2 Biologia sintética
Outra área de grande aplicação é a biologia sintética. As vias biossintéticas estão se tornando cada vez mais realistas e compreendidas – em parte, devido às ciências ômicas – e servem de base para a biologia sintética. Uma variedade de algoritmos tem sido desenvolvida e pode ser usada para identificar todas as vias metabólicas possíveis e suas enzimas correspondentes.
Os algoritmos podem ser classificados de acordo com várias propriedades e modelados em um contexto específico do microrganismo. Portanto, há um aumento da necessidade de ferramentas computacionais que possam apoiar esses esforços.
Finalmente, o software de design pode ajudar o microbiologista na
integração de uma via selecionada em unidades de transcrição inteligentemente reguladas.
Inúmeros softwares estão disponíveis para esses estudos, tais quais: BNICE, DESHARKY, FMM e RetroPath, para predição de vias metabólicas, e COBRA toolbox, SurreyFBA, CycSim, BioMet toolbox, iPATH2 e GLAMM, para modelagem metabólica (MEDEMA et al., 2012). Com a biologia sintética, várias funções podem ser criadas, aumentadas ou suprimidas, de acordo com os objetivos em questão.
2.3 Microbiologia clínica e diagnóstico
Nos últimos anos, com os progressos da digitalização e da inteligência artificial, as tecnologias baseadas em dados podem ser aplicáveis em áreas com alto grau de automação e padronização.
Nesse sentido, avanços substanciais também foram relatados em microbiologia clínica.
O uso de software de inteligência artificial – para interpretar dados – é de extrema importância na microbiologia, e esses algoritmos de AI estão se tornando parte do dia a dia do microbiologista. Como exemplo, pode-se citar os laboratórios de microbiologia clínica, nos quais as ferramentas de AI têm sido usadas para diagnóstico clínico, análise de imagens, incluindo colorações de Gram, exame e leitura de placa digital de culturas bacterianas, dados de espectrometria de massa de dessorção-ionização (MALDI-TOF) e dados da sequência do genoma de micróbios. Ferramentas e técnicas de bioinformática, analisando sequenciamento de nova geração (next-generation sequencing, NGS), são cada vez mais utilizadas para o diagnóstico e a monitorização de infecções e doenças. (EGLI, 2020; SMITH et al., 2020).