A IA agora pode projetar proteínas que se comportem como “transistores” biológicos

Muitas vezes pensamos nas proteínas como esculturas 3D imutáveis.

Isto não está completamente correto. Muitas proteínas são transformadores que se torcem e mudam de formato dependendo das necessidades biológicas. Uma configuração pode propagar sinais prejudiciais de um acidente vascular cerebral ou ataque cardíaco. Outro pode bloquear a cascata molecular resultante e limitar os danos.

De certa forma, as proteínas agem como transistores biológicos – interruptores liga-desliga na raiz do “computador” molecular do corpo, determinando como ele reage às forças externas e internas e ao feedback. Os cientistas há muito estudam essas proteínas que mudam de forma para decifrar como nosso corpo funciona.

Mas por que confiar apenas na natureza? Podemos criar “transistores” biológicos, desconhecidos do universo biológico, do zero?

Entre na IA. Vários métodos de aprendizagem profunda já podem prever com precisão as estruturas das proteínas – um avanço que está sendo feito há meio século. Estudos subsequentes usando algoritmos cada vez mais poderosos alucinaram estruturas proteicas livres das forças da evolução.

No entanto, estas estruturas geradas pela IA têm uma desvantagem: embora altamente complexas, a maioria é completamente estática – essencialmente, uma espécie de escultura digital de proteína congelada no tempo.

Um novo estudo publicado na Science este mês quebrou o padrão ao adicionar flexibilidade às proteínas projetadas. As novas estruturas não são contorcionistas sem limites. No entanto, as proteínas projetadas podem se estabilizar em duas formas diferentes – pense em uma dobradiça em uma configuração aberta ou fechada – dependendo de uma “fechadura” biológica externa. Cada estado é análogo ao “0” ou “1” de um computador, que subsequentemente controla a saída da célula.

“Antes, só podíamos criar proteínas que tivessem uma configuração estável”, disse o autor do estudo, Dr. Florian Praetorius, da Universidade de Washington. “Agora podemos finalmente criar proteínas que se movem, o que deverá abrir uma gama extraordinária de aplicações.”

O autor principal, Dr. David Baker, tem ideias: “Desde a formação de nanoestruturas que respondem a produtos químicos no ambiente até aplicações na distribuição de medicamentos, estamos apenas começando a explorar seu potencial”.

Um pouco rápido de biologia 101.

As proteínas constroem e administram nossos corpos. Essas macromoléculas começam sua jornada a partir do DNA. A informação genética é traduzida em aminoácidos, os blocos de construção de uma proteína – contas em um cordão. Cada corda é então dobrada em formas 3D complexas, com algumas partes grudadas em outras. Chamadas de estruturas secundárias, algumas configurações parecem Twizzlers. Outros tecem lençóis semelhantes a carpetes. Essas formas se complementam, formando arquiteturas de proteínas altamente sofisticadas.

Ao compreender como as proteínas ganham a sua forma, podemos potencialmente criar novas formas a partir do zero, expandindo o universo biológico e criando novas armas contra infecções virais e outras doenças.

Em 2020, AlphaFold da DeepMind e RoseTTAFold do laboratório David Baker quebraram a internet da biologia estrutural ao prever com precisão estruturas de proteínas com base apenas em suas sequências de aminoácidos.

Desde então, os modelos de IA previram a forma de quase todas as proteínas conhecidas – e desconhecidas – pela ciência. Estas ferramentas poderosas já estão a remodelar a investigação biológica, ajudando os cientistas a identificar rapidamente potenciais alvos para combater a resistência aos antibióticos, a estudar o “alojamento” do nosso ADN, a desenvolver novas vacinas ou mesmo a lançar luz sobre doenças que assolam o cérebro, como a doença de Parkinson.

Então veio uma bomba: modelos generativos de IA, como DALL-E e ChatGPT, ofereceram uma perspectiva tentadora. Em vez de simplesmente prever estruturas proteicas, por que não deixar a IA sonhar com estruturas proteicas completamente novas? Desde uma proteína que se liga a hormonas para regular os níveis de cálcio até enzimas artificiais que catalisam a bioluminescência, os resultados iniciais despertaram entusiasmo e o potencial para proteínas concebidas por IA parecia infinito.

No comando dessas descobertas está o laboratório de Baker. Pouco depois de lançar o RoseTTAFold, eles desenvolveram ainda mais o algoritmo para identificar locais funcionais em uma proteína – onde ela interage com outras proteínas, medicamentos ou anticorpos – abrindo caminho para que os cientistas inventem novos medicamentos que ainda não imaginaram.