Num prémio que eletrizou a comunidade científica, três mentes brilhantes ganharam o Prémio Nobel da Química. Dois cientistas do Google DeepMind, Demis Hassabis e John Jumper, estão entre os laureados cujo trabalho propõe remodelar a biotecnologia e a medicina através do enovelamento de proteínas. Completando suas conquistas está David Baker, bioquímico da Universidade de Washington, cujo trabalho inovador no design computacional de proteínas aprimora o deles. Ao longo do caminho, as suas descobertas abriram novas formas de aprender e projetar proteínas, as moléculas-chave de toda a vida na Terra.
Em última análise, está no cerne desta conquista, este quarteto de previsões, e começa com modelos avançados de inteligência artificial, nomeadamente os feitos por Hassabis e Jumper. Essa descoberta, AlphaFold2, permite que quase todas as proteínas sejam previstas a partir de suas sequências. Esta conquista já está a causar uma tal aceleração da investigação na descoberta de medicamentos e na biologia molecular que começou a chamar a atenção dos decisores políticos e do público. As contribuições de Baker foram importantes, mas a tecnologia de IA fez o que muitos consideravam impossível: desvendou um quebra-cabeça científico de décadas.
Google DeepMind choca a academia com vitória no Prêmio Nobel de Química
O trio recebeu o Prêmio Nobel para desenvolver técnicas para decodificar e projetar proteínas. A vida pode ser comparada a edifícios feitos de tijolos, mas os tijolos são mais parecidos com os blocos de construção da vida: as proteínas complexas são frequentemente descritas como moléculas que nos ajudam a realizar praticamente todos os processos do nosso corpo. Durante décadas, porém, a sua estrutura tem sido um mistério. No entanto, o mapeamento e o design eficientes destas moléculas complexas têm sido um objetivo dos cientistas há anos, graças à IA.
Em segundo lugar, John Jumper e Demis Hassabis do Google DeepMind criaram um modelo de IA chamado AlfaFold2que pode prever a estrutura de qualquer proteína conhecida. Este modelo já mapeou 200 milhões de estruturas proteicas, uma conquista inimaginável na época. Agora você pode fazer o que antes levava anos e anos de pesquisa meticulosa em apenas alguns segundos. Seu trabalho fornece informações sobre proteínas conhecidas e ajuda a abrir a porta para a criação de novas proteínas com incrível precisão.
A contribuição de David Baker, entretanto, foi um software chamado Rosetta, que constrói novas proteínas a partir de partes de proteínas existentes que não ocorrem naturalmente na natureza. Este trabalho representa um enorme passo na compreensão e construção de proteínas e terá implicações de longo alcance para a medicina, ciência ambiental e engenharia de materiais.
Como a IA revolucionou toda a pesquisa sobre proteínas
Esta pesquisa ganhadora do Nobel é importante. Cada função biológica é impulsionada pelas proteínas: desde a contração muscular até a defesa imunológica, a função das proteínas depende da sua forma. Durante décadas, os cientistas tentaram, mas tiveram dificuldade, prever com precisão como as proteínas se dobram em suas complexas estruturas tridimensionais. Portanto, devemos compreender este processo para desbloquear possíveis tratamentos médicos, desenvolver vacinas e até criar materiais biodegradáveis.
A ideia AlphaFold2 de Hassabis e Jumper permite prever com precisão a estrutura de praticamente qualquer proteína, reduzindo enormemente o tempo de pesquisa. É um sistema alimentado por IA que analisa rapidamente sequências de aminoácidos para determinar como qualquer sequência se dobrará em uma proteína funcional. De acordo com Hassabis, esta descoberta “poupa anos de trabalho experimental”, permitindo que os cientistas mudem o seu foco para aplicações, como o desenvolvimento de novos medicamentos e materiais.
Esta tecnologia de IA funciona em conjunto com o software Rosetta da Baker. Com a aplicação da aprendizagem automática que utiliza dados de proteínas existentes, poderiam conceber proteínas novas, mesmo inteiramente novas, para enfrentar problemas difíceis como a poluição ou produzir medicamentos mais inteligentes e eficientes. Em alguns casos, disse Baker, novos tratamentos potenciais, como sprays nasais para retardar a propagação de vírus como o COVID-19 ou medicamentos para bloquear respostas imunológicas perigosas.
A combinação das plataformas de aprendizagem profunda AlphaFold2 e GenScript permite pesquisas mais rápidas, o que anteriormente levaria mais tempo.
Desde o seu lançamento, o AlphaFold2 é gratuito para cientistas de todo o mundo, uma mudança dramática na pesquisa como a conhecemos. Mais de 2 milhões de investigadores em 190 países já utilizaram o sistema para expandir a investigação de doenças como a malária, Parkinson, bactérias resistentes a medicamentos e muito mais. Se a ferramenta acelerar o processo de identificação de novos medicamentos a custos e despesas mais baixos do que nunca, poderá ter um grande impacto na medicina.
Observando o potencial de longo prazo do AlphaFold2, John Jumper falou sobre como ele pode ajudar a acelerar o desenvolvimento de medicamentos e vacinas em cerca de 10 a 20 vezes, especialmente em resposta a pandemias e surtos emergentes. Ficou claro que David Baker estava entusiasmado com a aplicação futura da tecnologia – ele pensava que isto era apenas a ponta do iceberg do que a IA poderia fazer na ciência.
Nas mãos da ciência, o poder da IA
E isso não quer dizer que resolver este velho puzzle científico seja uma conquista – trata-se, em primeiro lugar, de mudar fundamentalmente a forma como pensamos sobre a investigação, dizem Hassabis e Jumper. Os sistemas de IA, como o AlphaFold2, estão a provar que processos científicos que, de outra forma, seriam intensivos em mão-de-obra, podem agora ser mais acessíveis, práticos e escaláveis. Isso não é teórico; isso está acontecendo agora em laboratórios de todo o mundo, e as consequências para tudo, desde a indústria farmacêutica até a ciência ambiental, podem ser enormes.
Mas apesar do enorme potencial, Hassabis também estava evidentemente alertando. Numa declaração, ele descreveu a IA como tendo “uma vantagem dupla”, o que significa que parece ao mesmo tempo um meio de melhorar vidas, e temos de ser extraordinariamente cuidadosos ao usá-la e preocupados com quais poderiam ser os seus efeitos não intencionais. Com o desenvolvimento contínuo destas tecnologias, a sua prioridade será garantir que quaisquer riscos superem os benefícios.
Isto mostra até que ponto avançamos no uso da IA para resolver os problemas mais difíceis da biologia. Muitas das perguntas que temos feito mudaram. Ainda é cedo para usar a IA para pesquisar proteínas, mas os avanços de Demis Hassabis, John Jumper e David Baker estão mudando a face da ciência. O trabalho deles está aproximando a ficção científica mais do que nunca. Esta descoberta ganhadora do Prêmio Nobel terá um impacto muito além da biologia e da medicina.
Crédito da imagem: Furkan Demirkaya/Ideograma
