Quase cinco anos detrás, o DeepMind, um dos laboratórios de pesquisa centrados em IA mais prolíficos do Google, estreou AlfaFold, um sistema de IA que pode prever com precisão as estruturas de muitas proteínas dentro do corpo humano. Desde logo, DeepMind melhorou o sistema, lançando uma versão atualizada e mais capaz do AlphaFold — AlfaFold 2 – em 2020.
E o trabalho do laboratório continua.
Hoje, a DeepMind revelou que o mais novo lançamento do AlphaFold, o sucessor do AlphaFold 2, pode gerar previsões para quase todas as moléculas do Protein Data Bank, o maior banco de dados de moléculas biológicas de chegada sincero do mundo.
Já, Laboratórios Isomórficosum spin-off da DeepMind focado na invenção de medicamentos, está aplicando o novo protótipo AlphaFold – que foi co-projetado – ao design de medicamentos terapêuticos, de convénio com um publicar no blog DeepMind, ajudando a caracterizar diferentes tipos de estruturas moleculares importantes para o tratamento de doenças.
Novos recursos
Os recursos do novo AlphaFold vão além da previsão de proteínas.
DeepMind afirma que o protótipo também pode prever com precisão as estruturas de ligantes – moléculas que se ligam a proteínas “receptoras” e causam mudanças na forma uma vez que as células se comunicam – muito uma vez que ácidos nucléicos (moléculas que contêm informações genéticas importantes) e modificações pós-traducionais (químicas). mudanças que ocorrem posteriormente a geração de uma proteína).
Créditos da imagem: DeepMind
A previsão de estruturas de ligantes de proteínas pode ser uma utensílio útil na invenção de medicamentos, observa DeepMind, pois pode ajudar os cientistas a identificar e projetar novas moléculas que possam se tornar medicamentos.
Atualmente, os pesquisadores farmacêuticos usam simulações computacionais conhecidas uma vez que “métodos de acoplamento” para mandar uma vez que as proteínas e os ligantes irão interagir. Os métodos de acoplamento requerem a especificação de uma estrutura de proteína de referência e uma posição sugerida nessa estrutura para o ligante se vincular.
Com o AlphaFold mais recente, entretanto, não há urgência de usar uma estrutura de proteína de referência ou posição sugerida. O protótipo pode prever proteínas que não foram “caracterizadas estruturalmente” antes, ao mesmo tempo em que simula uma vez que as proteínas e os ácidos nucléicos interagem com outras moléculas – um nível de modelagem que a DeepMind diz não ser verosímil com os métodos de acoplamento atuais.
“A estudo inicial também mostra que nosso protótipo tem um desempenho muito superior [the previous generation of] AlphaFold sobre alguns problemas de previsão de estrutura de proteínas que são relevantes para a invenção de medicamentos, uma vez que a relação de anticorpos”, escreve DeepMind no post. “O salto dramático no desempenho do nosso protótipo mostra o potencial da IA para melhorar significativamente a compreensão científica das máquinas moleculares que constituem o corpo humano.”
O mais novo AlphaFold não é perfeito.
Em um papel branco detalhando os pontos fortes e limitações do sistema, pesquisadores da DeepMind e do Isommorphic Labs revelam que o sistema fica aquém do melhor método da categoria para prever as estruturas das moléculas de RNA – as moléculas do corpo que carregam as instruções para a produção de proteínas.
Sem incerteza, tanto a DeepMind quanto a Isommorphic Labs estão trabalhando para resolver isso.
