O Prêmio Nobel de Química de 2024 é sobre proteínas, as engenhosas ferramentas químicas da vida. David Baker teve sucesso com o feito quase impossível de construir tipos inteiramente novos de proteínas. Demis Hassabis e John Jumper desenvolveram um modelo de IA para resolver um problema de 50 anos: prever estruturas complexas de proteínas. Essas descobertas têm um potencial enorme.
A diversidade da vida atesta a incrível capacidade das proteínas como ferramentas químicas. Elas controlam e conduzem todas as reações químicas que, juntas, são a base da vida. As proteínas também funcionam como hormônios, substâncias sinalizadoras, anticorpos e blocos de construção de diferentes tecidos. As proteínas geralmente consistem em 20 aminoácidos diferentes, que podem ser descritos como blocos de construção da vida.
Os 20 aminoácidos que compõem as proteínas
Em 2003, David Baker conseguiu usar esses blocos para projetar uma nova proteína que era diferente de qualquer outra proteína. Desde então, seu grupo de pesquisa produziu uma criação imaginativa de proteína após a outra, incluindo proteínas que podem ser usadas como produtos farmacêuticos, vacinas, nanomateriais e pequenos sensores.
David Baker, da Universidade de Washington, é um pioneiro no design computacional de proteínas. Ele lidera o projeto Rosetta, que utiliza algoritmos para prever e projetar novas proteínas a partir de suas sequências de aminoácidos. O trabalho de Baker permitiu a criação de proteínas que não existem na natureza, com aplicações que variam desde tratamentos médicos até novas tecnologias industriais.
Proteínas desenvolvidas usando o programa Rosetta de Baker. 2016: Novos nanomateriais onde até 120 proteínas se ligam espontaneamente. 2017: Proteínas que se ligam a um opioide chamado fentanil (roxo). Elas podem ser usadas para detectar fentanil no ambiente. 2021: Nanopartículas (amarelo) com proteínas imitando o vírus da gripe na superfície (verde) que podem ser usadas como vacina contra a gripe. Bem-sucedido em modelos animais. 2022: Proteínas que funcionam como um tipo de rotor molecular. 2024: Proteínas de formato geométrico que podem mudar de forma devido a influências externas. Podem ser usadas para produzir pequenos sensores.
A segunda descoberta diz respeito à previsão de estruturas de proteínas. Nas proteínas, os aminoácidos são ligados em longas cadeias que se dobram para formar uma estrutura tridimensional, que é decisiva para a função da proteína. Desde a década de 1970, os pesquisadores tentavam prever estruturas de proteínas a partir de sequências de aminoácidos, mas isso era notoriamente difícil.
No entanto, quatro anos atrás, houve um avanço impressionante. Demis Hassabis e John Jumper estão por trás do revolucionário software AlphaFold, desenvolvido pela DeepMind. AlphaFold foi o primeiro sistema a prever com precisão as estruturas tridimensionais de proteínas a partir de suas sequências genéticas, resolvendo um dos maiores desafios da biologia estrutural.
As previsões de AlphaFold estão revolucionando a compreensão das funções das proteínas e acelerando pesquisas em áreas como desenvolvimento de medicamentos e biologia sintética.
Como o AlphaFold2 funciona? Como parte do desenvolvimento do AlphaFold2, o modelo de IA foi treinado em todas as sequências de aminoácidos conhecidas e estruturas de proteínas determinadas.1. ENTRADA DE DADOS E PESQUISAS EM BANCO DE DADOS Uma sequência de aminoácidos com estrutura desconhecida é alimentada no AlphaFold2, que pesquisa bancos de dados por sequências de aminoácidos e estruturas de proteínas semelhantes. 2. ANÁLISE DE SEQUÊNCIA. O modelo de IA alinha todas as sequências de aminoácidos semelhantes — geralmente de espécies diferentes — e investiga quais partes foram preservadas durante a evolução. Na próxima etapa, o AlphaFold2 explora quais aminoácidos podem interagir entre si na estrutura tridimensional da proteína. Aminoácidos que interagem coevoluem. Se um é carregado, o outro tem a carga oposta, então eles são atraídos um pelo outro. Se um é substituído por um aminoácido repelente de água (hidrofóbico), o outro também se torna hidrofóbico. 3. ANÁLISE DE IA. Usando essa análise, o AlphaFold2 produz um mapa de distância que estima o quão próximos os aminoácidos estão uns dos outros na estrutura. O modelo de IA usa redes neurais chamadas transformadores, que têm uma grande capacidade de identificar elementos importantes para focar. Dados sobre outras estruturas de proteínas – se elas foram encontradas na etapa 1 – também são utilizados. 4. ESTRUTURA HIPOTÉTICA. O AlphaFold2 monta um quebra-cabeça de todos os aminoácidos e testa caminhos para produzir uma estrutura de proteína hipotética. Isso é executado novamente na etapa 3. Após três ciclos, o AlphaFold2 chega a uma estrutura específica. O modelo de IA calcula a probabilidade de que diferentes partes dessa estrutura correspondam à realidade.
Estruturas de proteínas determinadas usando AlphaFold2. 2022: Parte de uma enorme estrutura molecular no corpo humano. Mais de mil proteínas formam um poro através da membrana que envolve o núcleo da célula. 2022: Enzimas naturais que podem decompor plástico. O objetivo é projetar proteínas que podem ser usadas para reciclar plástico. 2023: Uma enzima bacteriana que causa resistência a antibióticos. A estrutura é importante para descobrir maneiras de prevenir a resistência a antibióticos.
Juntos, os trabalhos de Baker, Hassabis e Jumper transformaram o campo da biologia molecular, permitindo que cientistas projetem proteínas com funções específicas e prevejam suas estruturas de maneira rápida e precisa, abrindo novas fronteiras para a ciência e a saúde.
Comments