| Mundo |
Prêmio Nobel de Química alia inteligência artificial e estrutura de proteínas
Para quem estuda a estrutura de proteínas, o anúncio do Prêmio Nobel de Química na quarta-feira passada (09/10), na Real Academia de Ciências da Suécia, em Estocolmo (Suécia), não trouxe surpresas: trata-se da capacidade de prever a configuração tridimensional de uma proteína a partir de sua composição e, no caminho oposto, inferir qual sequência de aminoácidos seria necessária para gerar uma estrutura com determinada função. “É uma revolução no campo da biologia estrutural”, afirma o físico Glaucius Oliva da Universidade de São Paulo (USP).
Prêmio Nobel de Química alia inteligência artificial e estrutura de proteínas. Foto: National Cancer Institute/Unsplash
Metade do valor de 11 milhões de coroas suecas (cerca de R$ 5,8 milhões) irá para o bioquímico norte-americano David Baker, da Universidade de Washington, em Seattle, pelos avanços que obteve no design computacional de proteínas.
A outra metade vai para o cientista da computação britânico Demis Hassabis e o físico norte-americano John Jumper, ambos da empresa Google DeepMind, fundada em 2010 para o desenvolvimento de sistemas de inteligência artificial (IA).
As proteínas são tidas como as moléculas que possibilitam a vida, já que constituem as peças para todos os sistemas do organismo. Elas, por sua vez, têm como matéria-prima 20 tipos de componentes menores, os aminoácidos. Como uma proteína pode chegar a ter mais de 30 mil aminoácidos, o número de combinações possíveis é astronômico.
A função bioquímica das proteínas é definida pela posição relativa dos átomos no espaço, o que depende não só da composição, mas também de sua configuração tridimensional.
“Mas nem todas as proteínas teoricamente possíveis existem na natureza”, explica o bioquímico Richard Garratt da USP. Resta então espaço para inventar novos formatos, mas é preciso entender sua lógica para construí-las.
“Baker vem ‘assustando’ o mundo já faz um tempo”, afirma Garratt. “Impressiona a sua capacidade de planejar a estrutura de proteínas com propriedades bem definidas.” Uma competição criada em 1994, conhecida como Casp (Critical Assessment of Protein Structure Prediction, avaliação crítica da predição da estrutura proteica), deu destaque a esse desafio entre os pesquisadores da área. Baker desenvolveu uma ferramenta computacional que batizou de Rosetta, em homenagem à pedra com inscrições que ajudou a decifrar hieróglifos egípcios, que em 1998 valeu sua entrada na competição, com bons resultados.
“A predição tinha por volta de 50% de acurácia”, relembra Oliva.
Ano após ano, Baker foi melhorando os resultados, até que em 2020 veio uma novidade. “As pessoas que desenvolveram o AlphaFold tiveram um sucesso estrondoso, com mais de 95% de acurácia”, conta o físico da USP. Trata-se de um programa do Google DeepMind que realiza previsões das estruturas de proteína com uso de inteligência artificial, aprendizado de máquina e redes neurais, avanços que curiosamente renderam outra premiação nesta leva de prêmios Nobel, o de física.
Essencial à empreitada é a excepcional capacidade computacional do Google – muito maior do que existe em qualquer laboratório de pesquisa.
“Precisamos da computação para resolver os problemas da biologia, nem acredito que estamos conseguindo reconhecimento tão rápido”, comentou John Jumper em entrevista telefônica a Adam Smith, do site do Nobel, que ressaltou ser o premiado mais jovem nos últimos 70 anos. Jumper é físico de formação e viu com certo humor ganhar o prêmio de química, enquanto o de física foi para sua recente área de atuação.
Hassabis, cofundador da DeepMind, desenvolvia games na adolescência, estudou ciência da computação e fez doutorado em neurociência cognitiva.
Sua startup foi comprada em 2014, tornando-se a unidade de IA da Google. Ele mantém a chefia executiva da empresa. Em palestra nos Diálogos Nobel este ano, o britânico declarou que reconhece os perigos da IA, mas que ela pode ser parte da solução para problemas do mundo, se bem usada.
O sistema se baseia na comparação entre os milhares de proteínas já desvendadas, produzindo um mapa das distâncias entre aminoácidos nas estruturas proteicas e transformando esse conhecimento em capacidade preditiva.
“Foi um progresso tremendo, que efetivamente resolveu o problema do enovelamento proteico para muitos casos”, conta Garratt, cujo grupo faz uso intenso do AlphaFold2, a ferramenta que levou à premiação em Estocolmo. Inspirado pelo desempenho do programa, o grupo de Baker incorporou a inteligência artificial ao Rosetta, que se tornou RosettaFold.
“O avanço de Demis e Jumper em predições de estruturas proteicas destacou a força que a inteligência artificial poderia ter e nos levou a usá-la”, afirmou Baker em coletiva de imprensa por ocasião do anúncio do prêmio.
Para ele, a criação de proteínas pode melhorar o mundo no que diz respeito a avanços em áreas como medicina e tecnologia para a sustentabilidade.
Perguntado sobre qual seria sua proteína favorita, o bioquímico norte-americano mencionou uma criada em seu laboratório durante a pandemia de COVID-19, capaz de bloquear o coronavírus. “Estou muito animado com a possibilidade de desenvolvermos um borrifador nasal.” (Wikinotícias)
VOCÊ TAMBÉM PODE ESTAR INTERESSADO EM
