Pesquisadores revelam funcionamento de modelos de linguagem de proteínas

Pesquisadores do MIT desenvolveram um novo algoritmo, chamado sparse autoencoder, para aprimorar modelos de linguagem de proteínas. Essa inovação permite entender como esses modelos fazem previsões e quais características das proteínas são mais relevantes. O estudo foi publicado na *Proceedings of the National Academy of Sciences*.

Modelos de linguagem de proteínas têm sido fundamentais para prever estruturas e funções, auxiliando na identificação de alvos para drogas e vacinas. Entretanto, até agora, era difícil compreender o funcionamento interno desses modelos, que operam como uma “caixa-preta”. A nova técnica promete abrir essa caixa, permitindo que os cientistas escolham melhores modelos para tarefas específicas.

O algoritmo sparse autoencoder expande a representação de proteínas em uma rede neural, aumentando o número de nós de 480 para 20.000. Essa expansão facilita a interpretação das características que cada nó representa. Com isso, os pesquisadores conseguiram identificar quais funções e famílias de proteínas estão sendo codificadas, trazendo insights valiosos para a biologia.

Os autores do estudo, liderados pelo estudante de pós-graduação Onkar Gujral, destacam que essa abordagem pode revolucionar a forma como os cientistas interagem com modelos de linguagem de proteínas. A capacidade de interpretar as representações pode acelerar a descoberta de novos medicamentos e vacinas, além de revelar novos conhecimentos biológicos. O trabalho foi financiado pelos Institutos Nacionais de Saúde dos Estados Unidos.