Computational assessment of African traditional medicine: Can machine learning models predict antiretroviral mechanisms of action in Hypoxis hemerocallidea phytochemicals?
Autores: Laize Sílvia dos Anjos Botas Beca, Hamza Age Daudo
Clinical Traditional Medicine and Pharmacology, Vol. 7 (2026), Article 200280
Department of Pharmacy, Lurio University, Mozambique
Publicado por Elsevier B.V. em nome de Zhejiang Chinese Medical University
Resumo
Em muitos países em desenvolvimento, até 80% da população depende de medicina tradicional. Inclui-se o uso de plantas como a Hypoxis hemerocallidea (batata africana), amplamente utilizada no Sul de África para tratamento do HIV, apesar das evidências científicas limitadas. Este estudo combinou inteligência artificial e química computacional para prever mecanismos antirretrovirais entre os fitoquímicos de H. hemerocallidea.
Modelos de machine learning (HGB e XGBoost) foram treinados em sete datasets ChEMBL para prever cinco mecanismos antirretrovirais (RTI, PI, gp160, CCR5, INSTI), usando fingerprints ECFP4, seleção rigorosa de variáveis e otimização de hiperparâmetros com Optuna + validação cruzada 10-fold. Os modelos mostraram desempenho excelente — particularmente para inibidores CCR5 (R² = 0.91 HGB / 0.94 XGB).
Resultado-chave: a Procianidina A2 foi identificada como potencial inibidor potente do co-receptor CCR5. Nenhum outro composto cumpriu os critérios de atividade (pIC₅₀ ≥ 6, CV < 5%) para os restantes mecanismos.
Ao integrar IA e etnofarmacologia, este trabalho fornece uma base racional molecular para a medicina tradicional, sugerindo candidatos bioativos cuja validação experimental é necessária para confirmar os achados computacionais.