Missão Terapêutica

Como o autômato finito de dois estados era simples demais para ter qualquer utilidade na solução de problemas computacionais complexos, nós o consideramos mera demonstração interessante do conceito de computadores biomoleculares programáveis e autônomos, e decidimos ir em frente. Ao concentrarmos esforços na construção de autômatos mais complicados, logo deparamos com o problema reconhecido por Adleman: as “enzimas projetadas” com que ele sonhara uma década antes ainda não existiam.

Nenhuma enzima ou complexo de enzimas conhecidos na Natureza conseguem realizar reconhecimentos, clivagens e ligações, em seqüência e em conjunto, com a flexibilidade necessária ao projeto da máquina de Turing. Enzimas naturais teriam de ser personalizadas; as sintéticas totalmente novas teriam de ser engendradas. Como a ciência ainda carece dessa capacidade, vimo-nos com uma especificação de projeto lógico de uma máquina de Turing biomolecular, mas forçados a aguardar até que as peças para sua construção fossem inventadas.

Por isso voltamos ao nosso autômato de dois estados para ver se conseguíamos encontrar alguma aplicação útil. Tendo em mente aplicações médicas, queríamos saber se o dispositivo poderia realizar um diagnóstico simples, como descobrir se determinadas condições representando uma doença específica estão presentes. Para essa tarefa, bastam apenas dois estados: chamamos um de “sim” e o outro de “não”.

O autômato começaria a computação no estado sim e verificaria uma condição de cada vez. Se uma condição de sua checklist estivesse presente, o estado sim vigoraria, mas se alguma não aparecesse, o autômato mudaria para o estado não, permanecendo assim pelo resto do processo. Desse modo, a computação só terminaria em sim se todos os sintomas da doença estivessem presentes; porém, se um não fosse encontrado, o “diagnóstico” seria negativo.

Para fazer esse esquema lógico funcionar, tivemos de encontrar um meio de ligar o autômato molecular ao seu ambiente bioquímico de modo que conseguisse perceber se condições específicas de doenças estavam presentes. A idéia geral de que o ambiente pudesse afetar as concentrações relativas de moléculas de transição concorrentes – e alterar a computação – já havia sido sugerida no plano da máquina de Turing molecular. Para aplicar esse princípio na detecção de sintomas de doenças, tivemos de transformar a presença ou ausência de um indicador de doença em um determinante da concentração das moléculas de software que indicam o sintoma.

Muitos cânceres, por exemplo, se caracterizam por níveis anormais de certas proteínas na célula como resultado de genes específicos, expressando acima ou abaixo do normal sua proteí-na codificada. Quando um gene é expresso, enzimas no núcleo da célula copiam sua seqüência para uma versão em RNA. Essa transcrição molecular do gene, conhecida como RNA mensageiro (mRNA), é então lida por uma estrutura denominada ribossomo, que traduz a seqüência de RNA em uma seqüência de aminoá-cidos que formarão a proteína. Desse modo, níveis acima ou abaixo do normal de transcrições específicas de mRNA podem refletir a atividade dos genes.

Benenson concebeu um sistema em que certas moléculas de transição interagiam preferencialmente com essas seqüências de mRNA. A interação, por sua vez, afetaria a capacidade das moléculas de transição de participarem da computação. Um alto nível de mRNA representando um sintoma de uma doença causaria a predominância das moléculas de transição sim, aumentando a probabilidade de que o computador detectasse a presença do sintoma . Na prática, esse sistema poderia se aplicar a qualquer doença associada a níveis anormais de proteínas resultantes da atividade dos genes e ser adaptado para detectar mutações maléficas em seqüências de mRNA. Uma vez dotados de um mecanismo de entrada capaz de perceber sintomas de doenças e do aparato lógico para realizar o diagnóstico, a pergunta seguinte foi: o que o computador deve fazer ao diagnosticar uma doença? De início, pensamos em fazer com que produzisse um sinal de diagnóstico visível. No mundo molecular, produzir um sinal e dar o próximo passo lógico de ministrar um remédio não estão tão distantes. Binyamin Gil, aluno de graduação do nosso grupo, projetou e implementou um mecanismo que permite ao computador liberar uma molécula de remédio no caso de diagnóstico positivo.

Mesmo assim, nosso plano não estava completo. Talvez a questão central no projeto de hardware de computadores é como desenvolver um sistema confiável com componentes duvidosos. Esse problema não é próprio dos computadores biológicos – é uma propriedade intrínseca aos sistemas complexos. Mesmo dispositivos mecânicos se tornam menos confiáveis com a diminuição da escala e o aumento do número de componentes. No nosso caso, dada a natureza probabilística em geral da computação e o comportamento impreciso dos elementos biomoleculares, algumas computações inevitavelmente terminariam com um diagnóstico positivo mesmo estando ausentes vários ou todos os sintomas da doença.

Felizmente, esse comportamento probabilístico é mensurável e repetível, de modo que poderíamos compensá-lo com um sistema de checagem e contrapesos. Criamos dois tipos de moléculas de computação: um projetado para liberar um remédio quando a computação terminasse no estado sim, e outro para liberar um supressor daquele mesmo remédio quando a computação terminasse no estado não. Modificando as concentrações relativas dos dois tipos de moléculas, poderíamos exercer um controle fino sobre o limite de certeza de diagnóstico que desencadearia a administração de um remédio ativo.

Os médicos humanos tomam esse tipo de decisão ao avaliar o risco de uma doença para o paciente, levando em conta a toxicidade do tratamento e a certeza do diagnóstico. No futuro, se nosso autômato molecular for enviado em missão médica, poderá ser programado para exercer julgamento semelhante.