Há cerca de dois anos uma notícia repercutiu em toda a imprensa nacional e tomou conta das postagens e comentários em diversas redes sociais: a invasão de ativistas dos direitos animais ao Instituto Royal, na cidade de São Roque, em São Paulo. O grupo resgatou no local animais que eram utilizados como cobaias para testes de medicamentos, incluindo cerca de 200 cachorros da raça Beagle. A ação gerou uma enorme repercussão no Brasil, com mais de 10 mil publicações em redes sociais, e atingiu também outros países, como aponta um estudo da agência Frog, que descobriu que 15% dos posts relacionados ao assunto eram de estrangeiros.
Este assunto voltou à tona no início deste ano, quando o governador do Estado de São Paulo, Geraldo Alckmin, sancionou a Lei 777/2013, que proíbe o uso de animais no desenvolvimento de cosméticos, perfumes e produtos de higiene pessoal. Mas é possível realizar estes testes sem o uso de (outros) animais?
Apesar de não ser possível extinguir por definitivo o uso de animais (nós e os outros) em todas as situações, etapas e contextos, há atualmente várias situações em que é possível substituir testes com animais por métodos alternativos, e ainda, no caso de uso inevitável uso de animais, adotar estratégias de minimizar o sofrimento ou o número de animais sacrificados. A avaliação de impurezas em medicamentos, agrotóxicos e cosméticos, por exemplo, envolve diretrizes e normas que preconizam exclusivamente o uso de modelos computacionais, com testes biológicos apenas em alguns casos envolvendo necessidades de estudos confirmatórios.
Temos exemplos em que o uso combinado de modelos in silico (uso de softwares e modelos computacionais) e in vitro (com culturas de células) podem evitar o teste in vivo com animais, como no caso da etapa de avaliação do potencial de sensibilização (verificação do potencial “alergênico”). O uso de ferramentas computacionais tem se tornado essencial também por tornar possível a busca de resultados de testes que podem ser sido feitos do outro do mundo, evitando novos testes desnecessários, como também, trazendo indicações do potencial de toxicidade através de simulações que podem tornar o uso de animais mais racional e direcionado.
Atualmente existe um conjunto de metodologias alternativas que podem ser utilizadas para realizar a avaliação de toxicidade de substâncias químicas, que podem ser classificadas segundo o tipo de organismo teste ou plataforma, como os ensaios in vivo, ex vivo, in vitro e in silico e, ainda, segundo o tempo de exposição ou desfechos toxicológicos. Estes testes alternativos fazem parte da filosofia conhecida como “3R philosophy”, que significa Substituição, Refinamento e Redução (Replacement, Refinement and Reduction) em relação aos testes com animais e que tem sido um fundamento na elaboração de políticas e regulamentações no sentindo de diminuir a utilização de animais em avaliações deste tipo.
Até chegarmos às fronteiras da ciência e discorrer sobre os modelos in silico, é importante resgatar um pouco da história dos métodos computacionais. Remetendo à história da química computacional e dos estudos QSAR (Relação Quantitativa entre Estrutura e Atividade), já na década de 40 o físico-químico americano Hammet fazia os primeiros avanços na área da físico-química orgânica. 73 anos depois, em 2013, os pesquisadores Martin Karplus, Michael Levitt e Arieh Warshel receberam o prêmio Nobel de Química por criarem sistemas que conseguem prever reações químicas.
Com o conhecimento acumulado e avanços em informática, estatística, biologia, toxicologia e química computacional, possibilitaram a criação de interfaces e o surgimento de diversos modelos computacionais úteis para a avaliação do potencial de toxicidade de uma molécula pela sua estrutura química, sem o uso de animais e antes mesmo do processo de síntese (obtenção de sua forma física).
Os modelos in silico são importantíssimos neste contexto, em que tanto podem ser feitas triagens para a seleção de ingredientes com menor potencial de toxicidade e busca de dados de testes já realizados pela estrutura química, como também a combinação com outros métodos (ex: in vitro e in silico), que podem evitar testes desnecessários. O termo in silico refere-se a qualquer geração e/ou análise de dados executada através de computador ou simulação computacional, sem o uso de animais ou outras matrizes biológicas. Apesar da aparência de uma tecnologia nova, além do amplo histórico de aplicação dos modelos computacionais na descoberta de drogas, sua aplicação em toxicologia por diversas agências internacionais e a referência de uso, já data de décadas.
Estas ferramentas são importantes até mesmo para localizar substâncias similares que possam ter sido testadas em outros países, confirmação de números de identificação (CAS number, números de inventários e outros), usos e outros.
Segundo a IUPAC (International Union of Pure and Applied Chemistry), a Toxicologia Computacional & In Silico é definida como a abordagem na qual são aplicados modelos computacionais e matemáticos para a predição de efeitos adversos e para o melhor entendimento dos mecanismos através dos quais determinada substância provoca o dano. A abordagem chamada ITS (Integrated Testing Strategies), por exemplo, visa combinar diferentes modelos na construção de evidências, tornando possível a racionalização de testes com animais e o aumento da confiabilidade pelo conjunto de resultados.
Existe então uma vantagem competitiva para empresas que se preocupam com sua imagem no mercado em relação a não utilização de animais em testes, já que a tecnologia pode promover o uso racional de animais e ainda minimizar custos com testes desnecessários. Prova disso é a pesquisa vencedora do Nobel, que aponta um grande passo para a área de química computacional. Assim, hoje já é possível para os laboratórios substituírem o uso de animais por análises em modelos computacionais isolados ou integrados a outras tecnologias, e por óbvio, a cultura de antes de tudo, mapear e adotar métodos in silico e alternativos aplicáveis para seus produtos, e só então, conduzir testes tradicionais de modo racional e custo-efetivo.
