• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  Science >> Ciência >  >> Biologia
    O sistema de IA pode prever as estruturas das moléculas da vida com uma precisão impressionante

    Crédito:Unsplash/CC0 Domínio Público


    AlphaFold 3, revelado ao mundo em 9 de maio, é a versão mais recente de um algoritmo projetado para prever as estruturas de proteínas – moléculas vitais usadas por toda a vida – a partir do “código de instrução” em seus blocos de construção.



    Prever estruturas proteicas e a forma como interagem com outras moléculas tem sido um dos maiores problemas da biologia. No entanto, o desenvolvedor de IA Google DeepMind conseguiu resolver isso nos últimos anos. Esta nova versão do sistema de IA apresenta função e precisão aprimoradas em relação aos seus antecessores.

    Como o próximo lançamento de uma franquia de videogame, os biólogos estruturais – e mais recentemente – os químicos têm esperado com impaciência para ver o que ele pode fazer. O DNA é amplamente entendido como o livro de instruções de um organismo vivo, mas, dentro das nossas células, as proteínas são as moléculas que realmente realizam a maior parte do trabalho.

    São as proteínas que permitem às nossas células sentir o mundo exterior, integrar informações de diferentes sinais, criar novas moléculas dentro da célula, decidir crescer ou parar de crescer.

    São também as proteínas que permitem ao corpo distinguir entre invasores estranhos (bactérias, vírus) e ele próprio. E são as proteínas os alvos da maioria dos medicamentos que você ou eu tomamos para tratar doenças.

    Lego de proteína


    Por que a estrutura da proteína é importante? As proteínas são moléculas grandes que consistem em milhares de átomos em ordens muito específicas. A ordem destes átomos, e a forma como estão dispostos no espaço 3D, é crucial para que uma proteína possa desempenhar a sua função biológica.

    Este mesmo arranjo 3D também determina a maneira como uma molécula de medicamento se liga ao seu alvo proteico e trata a doença.

    Imagine ter um conjunto de Lego em que os tijolos não são baseados em cubóides, mas podem ter qualquer formato. Para juntar dois tijolos neste conjunto, cada tijolo precisará se encaixar perfeitamente no outro, sem furos. Mas isso não é suficiente – os dois tijolos também precisarão ter a combinação certa de saliências e buracos para que permaneçam no lugar.

    Projetar uma nova molécula de medicamento é como brincar com um novo conjunto de Lego. Alguém já construiu um modelo enorme (o alvo proteico encontrado em nossas células), e o trabalho do químico que descobre medicamentos é usar seu kit de ferramentas para juntar um punhado de peças que se ligarão a uma parte específica da proteína e – em termos biológicos – impede-o de desempenhar a sua função normal.

    Então, o que AlphaFold faz? Com base no conhecimento exato de quais átomos estão em qualquer proteína, como esses átomos evoluíram de maneira diferente em diferentes espécies e como são as outras estruturas de proteínas, o AlphaFold é muito bom em prever a estrutura 3D de qualquer proteína.

    AlphaFold 3, a iteração mais recente, expandiu capacidades para modelar ácidos nucleicos, por exemplo, pedaços de DNA. Também pode prever os formatos de proteínas que foram modificadas com grupos químicos que podem ativar ou desativar a proteína, ou com moléculas de açúcar. Isso dá aos cientistas mais do que apenas um conjunto de Lego maior e mais colorido para brincar. Isso significa que podem desenvolver modelos mais detalhados de leitura e correção do código genético e de mecanismos de controle celular.

    Isto é importante para a compreensão dos processos de doenças a nível molecular e para o desenvolvimento de medicamentos que tenham como alvo proteínas cujo papel biológico é regular quais genes são ativados ou desativados. A nova versão do AlphaFold também prevê anticorpos com maior precisão do que as versões anteriores.

    Os anticorpos são proteínas importantes na biologia por si só, formando uma parte vital do sistema imunológico. Eles também são usados ​​como medicamentos biológicos, como o trastuzumabe, para câncer de mama, e o infliximabe, para doenças como doença inflamatória intestinal e artrite reumatoide.

    A versão mais recente do AlphaFold pode prever a estrutura de proteínas ligadas a pequenas moléculas semelhantes a drogas. Os químicos de descoberta de medicamentos já podem prever a forma como um medicamento potencial se liga ao seu alvo proteico se a estrutura 3D do alvo tiver sido identificada através de experimentos. A desvantagem é que esse processo pode levar meses ou até anos.

    Prever a maneira como os medicamentos potenciais e os alvos proteicos se ligam entre si é usado para ajudar a decidir quais medicamentos potenciais sintetizar e testar em laboratório. O AlphaFold 3 não só pode prever a ligação do medicamento na ausência de uma estrutura proteica identificada experimentalmente, mas, em testes, superou as previsões de software existentes, mesmo que a estrutura alvo e o local de ligação do medicamento fossem conhecidos.

    Esses novos recursos fazem do AlphaFold 3 uma adição interessante ao repertório de ferramentas usadas para descobrir novos medicamentos terapêuticos. Previsões mais precisas permitirão tomar melhores decisões sobre quais medicamentos potenciais testar em laboratório (e quais provavelmente não serão eficazes).

    Tempo e dinheiro


    Isso economiza tempo e dinheiro. O AlphaFold 3 também oferece a oportunidade de fazer previsões sobre a ligação do medicamento a formas modificadas da proteína alvo que são biologicamente relevantes, mas atualmente difíceis – ou impossíveis – de fazer usando o software existente. Exemplos disso são proteínas modificadas por grupos químicos como fosfatos ou açúcares.

    É claro que, como acontece com qualquer novo medicamento potencial, são sempre necessários testes experimentais extensivos de segurança e eficácia – incluindo em voluntários humanos – antes da aprovação como medicamento licenciado.

    AlphaFold 3 tem algumas limitações. Tal como os seus antecessores, é fraco na previsão do comportamento de áreas proteicas que carecem de uma estrutura fixa ou ordenada. É fraco na previsão de múltiplas conformações de uma proteína (que pode mudar de forma devido à ligação do medicamento ou como parte de sua biologia normal) e não pode prever a dinâmica da proteína.

    Ele também pode cometer alguns erros químicos um pouco embaraçosos, como colocar átomos uns sobre os outros (fisicamente impossível) e substituir alguns detalhes de uma estrutura por suas imagens espelhadas (biologicamente ou quimicamente impossível).

    Uma limitação mais substancial é que o código – pelo menos por enquanto – estará indisponível, portanto terá que ser usado no servidor DeepMind de forma puramente não comercial. Embora muitos usuários acadêmicos não se deixem intimidar por isso, isso limitará o entusiasmo de modeladores especialistas, biotecnologistas e muitas aplicações na descoberta de medicamentos.

    Apesar disso, o lançamento do AlphaFold 3 certamente estimulará uma nova onda de criatividade tanto na descoberta de medicamentos quanto na biologia estrutural de forma mais ampla – e já estamos ansiosos pelo AlphaFold 4.

    Fornecido por The Conversation


    Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.




    © Ciência https://pt.scienceaq.com