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.
Entre na conversa da comunidade