.
Um algoritmo avançado desenvolvido pelo Google DeepMind conseguiu de alguma forma desvendar um dos maiores mistérios não resolvidos da biologia. AlphaFold visa prever as estruturas 3D das proteínas a partir do “código de instrução” em seus blocos de construção. A atualização mais recente foi lançada recentemente. A atualização mais recente foi lançada recentemente.
As proteínas são partes essenciais dos organismos vivos e participam de praticamente todos os processos nas células. Mas as suas formas são muitas vezes complexas e difíceis de visualizar. Portanto, ser capaz de prever suas estruturas 3D oferece janelas para os processos dentro dos seres vivos, incluindo os humanos.
Isso oferece novas oportunidades para a criação de medicamentos para tratar doenças. Isto, por sua vez, abre novas possibilidades na chamada medicina molecular. É aqui que os cientistas se esforçam para identificar as causas das doenças em escala molecular e também desenvolver tratamentos para corrigi-las em nível molecular.
A primeira versão da ferramenta de IA da DeepMind foi lançada em 2018. A iteração mais recente, lançada este ano, é AlphaFold3. Competição mundial para avaliar novas formas de prever as estruturas de proteínas, a Avaliação Crítica de Predição de Estruturas (Casp) é realizada semestralmente desde 1994. Em 2020, a competição Casp chegou a testar o AlphaFold2 e ficou muito impressionada. Desde então, os pesquisadores antecipam ansiosamente cada nova encarnação do algoritmo.
No entanto, como estudante de mestrado, certa vez fui repreendido por usar AlphaFold2 em alguns de meus cursos. Isso ocorreu porque foi considerado apenas uma ferramenta preditiva. Em outras palavras, como alguém poderia saber se o que foi previsto correspondia à proteína da vida real sem verificação experimental?
Este é um ponto legítimo. A área da biologia molecular experimental passou por sua própria revolução na última década com fortes avanços em uma técnica microscópica chamada microscopia crioeletrônica (crio-EM), que utiliza amostras congeladas e feixes de elétrons suaves para capturar as estruturas de biomoléculas em alta resolução. .
A vantagem de ferramentas de IA como o AlphaFold é que elas podem elucidar estruturas de proteínas muito mais rapidamente (em questão de minutos) quase sem nenhum custo. Os resultados estão mais facilmente disponíveis e acessíveis globalmente online. Eles também podem prever a estrutura de proteínas que são notoriamente difíceis de verificar experimentalmente, como as proteínas de membrana.
No entanto, o AlphaFold2 não foi projetado para abordar algo chamado estrutura quaternária das proteínas, onde múltiplas subunidades proteicas formam uma proteína maior. Isto envolve uma visualização dinâmica de como as diferentes unidades da molécula de proteína são dobradas. E alguns investigadores relataram que por vezes parecia ter dificuldade em prever elementos estruturais de proteínas conhecidas como bobinas.
Meio ponto / Shutterstock
Quando meu professor me contatou em maio para transmitir a notícia do lançamento do AlphaFold3, minha primeira pergunta foi sobre sua capacidade de prever estruturas quaternárias. Será que deu certo? Fomos agora capazes de dar um grande salto no sentido de prever uma estrutura completa? Os primeiros relatórios sugerem que as respostas a essas perguntas são positivas.
Os métodos experimentais são mais lentos. E quando são capazes de capturar a estrutura 3D das moléculas, é mais parecido com olhar para uma estátua – um instantâneo da proteína – em vez de ver como ela se move e interage para realizar ações no corpo. Em outras palavras, queremos um filme, e não uma foto.
Os métodos experimentais também têm lutado tradicionalmente com proteínas de membrana – moléculas-chave que estão ligadas ou associadas às membranas das células. Muitas vezes, estes são cruciais para a compreensão e tratamento de muitas das piores doenças.
É aqui que o AlphaFold3 pode realmente mudar o cenário. Se for bem-sucedido na previsão de estruturas quaternárias em um nível igual ou superior aos métodos experimentais, como cristalografia, crio-EM e outros, e puder visualizar proteínas de membrana melhor do que a concorrência, então teremos de fato um salto gigantesco em nossa corrida em direção à verdadeira medicina molecular.
AlphaFold3 só pode ser acessado de um servidor DeepMind, mas é fácil de usar. Os pesquisadores podem obter seus resultados em minutos simplesmente a partir da sequência. A outra promessa do AlphaFold3 é uma maior disrupção. A DeepMind não está sozinha em suas ambições de dominar o problema do enovelamento de proteínas. À medida que a próxima competição do Casp se aproxima, há outros que querem vencer a corrida. Por exemplo, Liam McGuffin e a sua equipa da Universidade de Reading estão a obter ganhos na avaliação da qualidade e na previsão da estequiometria de complexos proteicos. A estequiometria refere-se às proporções nas quais os elementos ou compostos químicos reagem entre si.
Nem todos os cientistas desta área perseguem o objetivo da mesma forma. Outros estão tentando resolver desafios semelhantes em termos de qualidade dos modelos 3D ou barreiras específicas, como as apresentadas pelas proteínas de membrana. A competição tem sido maravilhosa para o progresso neste campo.
No entanto, os métodos experimentais não irão desaparecer tão cedo, e nem deveriam. O progresso da crio-EM é louvável, e a cristalografia de raios X ainda nos dá a melhor resolução em biomoléculas. O laser XFEL europeu na Alemanha pode ser o próximo avanço. Essas tecnologias só continuarão a melhorar.
Minha maior questão ao examinarmos esse novo campo é se nosso instinto humano de ceder até que tenhamos provas absolutas irá falhar com o AlphaFold. Se esta nova tecnologia for capaz de fornecer resultados comparáveis ou superiores aos da verificação experimental, estaremos preparados para aceitá-la? Se pudermos, a sua velocidade e precisão poderão ter um efeito importante em áreas como o desenvolvimento de medicamentos.
Pela primeira vez, com AlphaFold3, podemos ter superado o obstáculo mais significativo na revolução da previsão de proteínas. O que faremos deste novo mundo? E que remédio podemos fazer com isso?
.
