Oferecido por
A DeepMind diz que sua ferramenta AlphaFold previu com sucesso a estrutura de quase todas as proteínas conhecidas pela ciência. Desde o dia 28 de julho, o laboratório de Inteligência Artificial (IA) de propriedade da Alphabet passou a disponibilizar seu banco de dados de mais de 200 milhões de proteínas para qualquer pessoa gratuitamente.
Quando a DeepMind lançou o AlphaFold em 2020, pegou a comunidade científica de surpresa. Os cientistas passaram décadas tentando entender como as proteínas, essenciais à vida, são estruturadas; algo considerado um dos “grandes desafios” da biologia. Entender como elas são moldadas é crucial para entender como elas funcionam. No ano passado, a DeepMind lançou o código-fonte do AlphaFold e disponibilizou as estruturas de 1 milhão de proteínas no AlphaFold Protein Structure Database, incluindo quase todas as proteínas do corpo humano. O banco de dados foi construído em conjunto com o Laboratório Europeu de Biologia Molecular, um instituto público internacional de pesquisa que já abriga um grande banco de dados de informações sobre proteínas.
A última versão de dados é um grande impulso para o Alphafold, uma vez que inclui estruturas para “plantas, bactérias, animais e muitos outros organismos, abrindo enormes oportunidades para que o banco de dados da DeepMind tenha impacto em
questões importantes como sustentabilidade, combustível, insegurança alimentar e doenças negligenciadas”, Demis Hassabis, fundador da DeepMind e CEO, disse a repórteres em uma ligação em julho.
O banco de dados expandido pode funcionar como um recurso importante para os cientistas, ajudando-os a entender melhor as doenças. Também poderia acelerar a inovação na descoberta e composição de medicamentos.
“O AlphaFold é provavelmente a maior contribuição da comunidade de IA para a comunidade científica”, disse Jian Peng, professor de ciência da computação da Universidade de Illinois Urbana-Champaign (EUA), especializado em biologia computacional.
Desde seu lançamento em 2020, os pesquisadores já usaram o AlphaFold para entender as proteínas que afetam a saúde das abelhas e desenvolver uma vacina eficaz contra a malária.
O banco de dados permite que os pesquisadores estudem estruturas 3D de proteínas “quase tão facilmente quanto fazer uma pesquisa de palavra-chave no Google”, disse Hassabis.
Prever as estruturas das proteínas consome muito tempo, e ter uma ferramenta com 200 milhões de estruturas de proteínas prontamente disponíveis economizará muito tempo dos pesquisadores, disse Mohammed AlQuraishi, biólogo de sistemas da Universidade de Columbia (EUA), que não está envolvido na pesquisa da DeepMind.
O AlphaFold também pode ajudar os cientistas a reavaliar pesquisas anteriores para entender melhor como as doenças acontecem, disse Peng.
No entanto, para muitas proteínas “estamos interessados em entender como sua estrutura é alterada por mutações e variações alélicas naturais, e este banco de dados não foca nisto atualmente”, disse AlQuraishi. “Mas é claro que o campo está se desenvolvendo rapidamente e, portanto, espero que ferramentas para modelar com precisão as variantes de proteínas comecem a aparecer em breve”, acrescentou.
A qualidade das previsões do AlphaFold também pode não ser tão precisa para proteínas mais raras com menos informações evolutivas disponíveis, diz Peng.
O movimento é o mais recente desenvolvimento da DeepMind em direção à “biologia digital”, onde “IA e métodos computacionais podem ajudar a entender e modelar importantes processos biológicos”, disse Hassabis. Hassabis também administra um novo empreendimento, também de propriedade da Alphabet, chamado Isomorphic Labs, que está desenvolvendo IA para descoberta de medicamentos.
Pushmeet Kohli, diretor de IA para ciência da DeepMind, disse que a empresa tem muitos desafios nas ciências da vida que ainda deseja enfrentar, como como as proteínas se comportam e interagem com outras proteínas.
Hassabis disse que seu sonho é que a IA não apenas ajude a descobrir a estrutura das proteínas, mas se torne uma “parte significativa do processo de descoberta de novos medicamentos e curas”.
MIT Technology Review
