Avanço na pesquisa de proteínas: novo modelo de IA revoluciona o design de medicamentos!

Avanço na pesquisa de proteínas: novo modelo de IA revoluciona o design de medicamentos!

Uma equipe de pesquisa da Universidade Livre de Berlim em colaboração com Microsoft Research AI para Ciência fez um avanço significativo na modelagem de proteínas biológicas. Este teste é o núcleo do dia 10 de julho na revista Ciência estudo publicado intitulado “Emulação escalável de conjuntos de equilíbrio de proteínas com aprendizagem profunda generativa”. As novas descobertas poderão facilitar avanços futuros na concepção de medicamentos e na investigação biomédica.

O foco principal do estudo é a introdução do BioEmu, um sistema inovador de aprendizagem profunda generativa para emular o comportamento de equilíbrio das proteínas. BioEmu caracteriza-se pela sua elevada precisão e exatidão e pretende refletir melhor a função de muitas proteínas cuja atividade depende fortemente da sua estrutura dinâmica. Um objetivo principal do desenvolvimento é aumentar a taxa de sucesso de novos ingredientes ativos em estudos clínicos.

Inovação tecnológica e aumento de eficiência

Digno de nota é a capacidade do BioEmu de gerar milhares de estruturas de proteínas estatisticamente independentes por hora em uma única placa gráfica (GPU). Isto leva a uma redução significativa no custo e no tempo necessário para investigar mudanças estruturais funcionalmente relevantes. Ao combinar mais de 200 milissegundos de simulações de dinâmica molecular com dados experimentais, o BioEmu consegue a previsão de conjuntos estruturais e propriedades termodinâmicas com precisão quase experimental.

As equipes de pesquisa lideradas pelo Prof. Frank Noé e pela Prof. Dra. Cecilia Clementi deram importantes contribuições para o desenvolvimento. Noé, Partner Research Manager da Microsoft Research e professor honorário da FU Berlin, enfatiza que o BioEmu também pode prever mudanças estruturais complexas, como bolsas de ligação ocultas e os movimentos de domínios inteiros de proteínas. Isto permite a previsão precisa de alterações na estabilidade da proteína com precisão comparável à análise laboratorial.

Abordagens tradicionais versus aprendizagem profunda

As atuais técnicas de simulação de dinâmica molecular são conhecidas por serem lentas, caras e intensivas em recursos. BioEmu oferece uma alternativa mais rápida e barata. Desenvolvido por Sarah Lewis e sua equipe, o modelo combina dados de treinamento de previsões de estrutura AlphaFold, simulações de dinâmica molecular em grande escala e extensas medições experimentais de estabilidade de proteínas.

No entanto, também existem limitações: o BioEmu não modela nativamente a dinâmica molecular ou interações com membranas e ligantes, nem leva em consideração condições ambientais variáveis, como temperatura ou pH. Ainda assim, os autores esperam que o modelo demonstre como a aprendizagem profunda pode amortizar os elevados custos de simulações e experiências para permitir a previsão da função da proteína em grande escala e baseada em dados.

Implicações práticas e pesquisas futuras

Um aspecto significativo do estudo é a publicação pela Microsoft Research de um grande conjunto de dados usado para desenvolver o BioEmu. Este conjunto de dados é a maior coleção publicamente disponível de simulações de proteínas com diversas sequências. A ampla disponibilidade do código-fonte BioEmu sob a licença do MIT abre novos caminhos na pesquisa em bioinformática e no design de medicamentos.

Pesquisas como essa são cruciais para compreender a biologia e o funcionamento das proteínas que alternam entre diferentes formas. Este continua a ser um desafio fundamental para a ciência, especialmente na biotecnologia e na investigação médica.