Nos últimos dois anos, o aprendizado de máquina revolucionou a previsão da estrutura das proteínas. Agora, três artigos em Ciência descrevem uma revolução semelhante no design de proteínas.
Nos novos artigos, biólogos da Escola de Medicina da Universidade de Washington mostram que o aprendizado de máquina pode ser usado para criar moléculas de proteína com muito mais precisão e rapidez do que era possível anteriormente. Os cientistas esperam que esse avanço leve a muitas novas vacinas, tratamentos, ferramentas para captura de carbono e biomateriais sustentáveis.

"As proteínas são fundamentais em toda a biologia, mas sabemos que todas as proteínas encontradas em todas as plantas, animais e micróbios representam muito menos de um por cento do que é possível. Com essas novas ferramentas de software, os pesquisadores devem ser capazes de encontrar soluções para - desafios permanentes em medicina, energia e tecnologia", disse o autor sênior David Baker, professor de bioquímica da Escola de Medicina da Universidade de Washington e ganhador do Prêmio Breakthrough 2021 em Ciências da Vida.

As proteínas são muitas vezes referidas como os "blocos de construção da vida" porque são essenciais para a estrutura e função de todos os seres vivos. Eles estão envolvidos em praticamente todos os processos que ocorrem dentro das células, incluindo crescimento, divisão e reparo. As proteínas são compostas por longas cadeias de substâncias químicas chamadas aminoácidos. A sequência de aminoácidos em uma proteína determina sua forma tridimensional. Esta forma intrincada é crucial para a proteína funcionar.

Recentemente, poderosos algoritmos de aprendizado de máquina, incluindo AlphaFold e RoseTTAFold, foram treinados para prever as formas detalhadas de proteínas naturais com base apenas em suas sequências de aminoácidos. O aprendizado de máquina é um tipo de inteligência artificial que permite que os computadores aprendam com dados sem serem explicitamente programados. O aprendizado de máquina pode ser usado para modelar problemas científicos complexos que são muito difíceis para os humanos entenderem.

Para ir além das proteínas encontradas na natureza, os membros da equipe de Baker dividiram o desafio do projeto de proteínas em três partes e usaram novas soluções de software para cada uma.

Primeiro, uma nova forma de proteína deve ser gerada. Em um artigo publicado em 21 de julho na revista Science , a equipe mostrou que a inteligência artificial pode gerar novas formas de proteínas de duas maneiras. A primeira, apelidada de "alucinação", é semelhante a DALL-E ou outra IA generativa. ferramentas que produzem saída com base em prompts simples. O segundo, apelidado de "inpainting", é análogo ao recurso de preenchimento automático encontrado nas barras de pesquisa modernas.

Em segundo lugar, para acelerar o processo, a equipe desenvolveu um novo algoritmo para gerar sequências de aminoácidos. Descrito na edição de 15 de setembro da Science , essa ferramenta de software, chamada ProteinMPNN, é executada em cerca de um segundo. Isso é mais de 200 vezes mais rápido que o melhor software anterior. Seus resultados são superiores às ferramentas anteriores e o software não requer personalização especializada para ser executado.

"As redes neurais são fáceis de treinar se você tiver uma tonelada de dados, mas com proteínas, não temos tantos exemplos quanto gostaríamos. Tivemos que entrar e identificar quais características dessas moléculas são as mais importantes. foi um pouco de tentativa e erro", disse o cientista do projeto Justas Dauparas, pós-doutorando no Institute for Protein Design

Em terceiro lugar, a equipe usou o AlphaFold, uma ferramenta desenvolvida pela DeepMind da Alphabet, para avaliar independentemente se as sequências de aminoácidos que eles criaram provavelmente se dobrariam nas formas pretendidas.

"Software para prever estruturas de proteínas é parte da solução, mas não pode apresentar nada de novo por conta própria", explicou Dauparas.

"ProteinMPNN é para o design de proteínas o que o AlphaFold foi para a previsão da estrutura da proteína", acrescentou Baker.

Em outro artigo publicado na Science Em 15 de setembro, uma equipe do laboratório Baker confirmou que a combinação de novas ferramentas de aprendizado de máquina poderia gerar de forma confiável novas proteínas que funcionavam no laboratório.

"Descobrimos que as proteínas feitas com o ProteinMPNN eram muito mais propensas a se dobrar como pretendido, e poderíamos criar montagens de proteínas muito complexas usando esses métodos", disse o cientista do projeto Basile Wicky, pós-doutorando do Institute for Protein Design.

Entre as novas proteínas feitas estavam anéis em nanoescala que os pesquisadores acreditam que podem se tornar peças para nanomáquinas personalizadas. Microscópios eletrônicos foram usados ​​para observar os anéis, que têm diâmetros cerca de um bilhão de vezes menores que uma semente de papoula.

"Este é o início do aprendizado de máquina no design de proteínas. Nos próximos meses, trabalharemos para melhorar essas ferramentas para criar proteínas ainda mais dinâmicas e funcionais", disse Baker.

Os recursos computacionais para este trabalho foram doados pela Microsoft e Amazon Web Services. + Explorar mais

Biólogos treinam IA para gerar medicamentos e vacinas