A Biohub, empresa criada por Mark Zuckerberg e Priscilla Chan, divulgou a lan\u00e7amento de um modelo de IA voltado ao estudo da biologia das prote\u00ednas e ao design de estruturas mais precisas para tratamentos. A informa\u00e7\u00e3o foi anunciada no site da empresa.<\/p>\n
A nova gera\u00e7\u00e3o, chamada de Modelos Evolutivos em Escada (ESM), aprende a partir das sequ\u00eancias proteicas ao longo da evolu\u00e7\u00e3o e usa esse conhecimento para representar, mapear, prever e projetar prote\u00ednas com maior probabilidade de atua\u00e7\u00e3o terap\u00eautica.<\/p>\n
O sistema contempla tr\u00eas artefatos: ESMFold2, para prever estruturas e impulsionar o desenho de novas prote\u00ednas; ESM Atlas, que re\u00fane 6,8 bilh\u00f5es de sequ\u00eancias e 1,1 bilh\u00e3o de estruturas previstas; e ESMC, um modelo de linguagem de prote\u00ednas treinado em cerca de 2,8 bilh\u00f5es de sequ\u00eancias.<\/p>\n
Segundo a Biohub, a IA pode favorecer o desenvolvimento de prote\u00ednas que se ligam a alvos moleculares espec\u00edficos, aumentando a afinidade de liga\u00e7\u00e3o. Os resultados foram validados contra cinco alvos relevantes em oncologia e imunologia.<\/p>\n
“Acreditamos que este \u00e9 um momento importante no design de prote\u00ednas. Quando as representa\u00e7\u00f5es digitais da biologia atingirem maior precis\u00e3o, os designs poder\u00e3o ser testados computacionalmente antes de irem ao laborat\u00f3rio”, afirmou a Biohub.<\/p>\n
O ESMC \u00e9 o mais recente passo de um programa iniciado em 2019, que criou o primeiro modelo de linguagem transformer para sequ\u00eancias de prote\u00ednas. O treinamento busca internalizar propriedades que regem o dobramento, a intera\u00e7\u00e3o e a fun\u00e7\u00e3o das prote\u00ednas.<\/p>\n
As prote\u00ednas s\u00e3o formadas por amino\u00e1cidos cuja ordem determina a dobra da cadeia e, consequentemente, sua fun\u00e7\u00e3o. Pesquisadores identificaram que modelos de IA captam n\u00e3o apenas sequ\u00eancias, mas tamb\u00e9m estruturas e fun\u00e7\u00f5es biol\u00f3gicas.<\/p>\n
Com o aprendizado de padr\u00f5es biol\u00f3gicos, o modelo consegue prever formatos tridimensionais, fun\u00e7\u00f5es e at\u00e9 projetar prote\u00ednas in\u00e9ditas no computador. A ferramenta pode permitir o projeto de ligantes com alta seletividade, acelerando etapas da medicina de precis\u00e3o.<\/p>\n
O estudo destaca o potencial para criar prote\u00ednas que se ligam a alvos como EGFR, PD-L1 e CTLA-4, ligados a c\u00e2ncer e ao sistema imune. Em testes, a IA gerou dezenas de milhares de prote\u00ednas em cerca de dois dias para identificar candidatos est\u00e1veis com potencial terap\u00eautico.<\/p>\n
Resultados indicam que maior poder computacional elevou a taxa de sucesso, especialmente entre anticorpos mais desafiadores. Algumas prote\u00ednas criadas passaram a ser testadas em laborat\u00f3rio e mostraram liga\u00e7\u00e3o est\u00e1vel aos alvos.<\/p>\n
Segundo a biohub, os pesquisadores mostram que \u00e9 poss\u00edvel projetar ligantes de prote\u00ednas validados em laborat\u00f3rio para cinco alvos clinicamente relevantes em quest\u00f5es de dias, ampliando o acesso a essas ferramentas para pesquisadores, em qualquer lugar.<\/p>\n","protected":false},"excerpt":{"rendered":"