MXP, 21/07/2022
Os cientistas desenvolveram um software de inteligência artificial que pode criar proteínas que podem ser úteis como vacinas, tratamentos contra o câncer ou até mesmo ferramentas para retirar a poluição do carbono do ar.
Esta pesquisa, relatada hoje na revista Science, foi liderada pela Escola de Medicina da Universidade de Washington e pela Universidade de Harvard. O artigo é intitulado "Sítios funcionais de proteínas de andaimes usando aprendizado profundo".
"As proteínas que encontramos na natureza são moléculas incríveis, mas as proteínas projetadas podem fazer muito mais", disse o autor sênior David Baker, investigador do HHMI e professor de bioquímica da UW Medicine. “Neste trabalho, mostramos que o aprendizado de máquina pode ser usado para projetar proteínas com uma ampla variedade de funções”.
Por décadas, os cientistas usaram computadores para tentar projetar proteínas. Algumas proteínas, como anticorpos e proteínas sintéticas de ligação, foram adaptadas em medicamentos para combater a COVID-19. Outros, como enzimas, auxiliam na fabricação industrial. Mas uma única molécula de proteína geralmente contém milhares de átomos ligados; mesmo com software científico especializado, eles são difíceis de estudar e projetar.
Inspirada em como os algoritmos de aprendizado de máquina podem gerar histórias ou até imagens a partir de prompts, a equipe decidiu construir um software semelhante para projetar novas proteínas. "A ideia é a mesma: as redes neurais podem ser treinadas para ver padrões nos dados. Uma vez treinadas, você pode avisá-las e ver se elas podem gerar uma solução elegante. Muitas vezes, os resultados são atraentes - ou até bonitos", disse o líder autor Joseph Watson, um estudioso de pós-doutorado na UW Medicine.
A equipe treinou várias redes neurais usando informações do Protein Data Bank, que é um repositório público de centenas de milhares de estruturas de proteínas de todos os reinos da vida. As redes neurais resultantes surpreenderam até os cientistas que as criaram.
A equipe desenvolveu duas abordagens para projetar proteínas com novas funções. A primeira, apelidada de "alucinação", é semelhante ao DALL-E ou outras ferramentas generativas de IA que produzem novas saídas com base em prompts simples. O segundo, apelidado de "inpainting", é análogo ao recurso de preenchimento automático encontrado em modernas barras de pesquisa e clientes de e-mail.
“A maioria das pessoas pode criar novas imagens de gatos ou escrever um parágrafo a partir de um prompt, se solicitado, mas com o design de proteínas, o cérebro humano não pode fazer o que os computadores agora podem”, disse o principal autor Jue Wang, um estudioso de pós-doutorado na UW Medicine. "Os humanos simplesmente não conseguem imaginar como seria a solução, mas montamos máquinas que o fazem."
Para explicar como as redes neurais "alucinam" uma nova proteína, a equipe a compara a como escreveria um livro: precisa ser uma noite escura e tempestuosa. Então o computador mudará as palavras uma de cada vez e se perguntará: 'Isso faz minha história fazer mais sentido?' Se fizer, ele mantém as alterações até que uma história completa seja escrita", explica Wang.
Tanto os livros quanto as proteínas podem ser entendidos como longas sequências de letras. No caso das proteínas, cada letra corresponde a um bloco de construção químico chamado aminoácido. Começando com uma cadeia aleatória de aminoácidos, o software muda a sequência repetidamente até que uma sequência final que codifica a função desejada seja gerada. Essas sequências finais de aminoácidos codificam proteínas que podem ser fabricadas e estudadas em laboratório.
A equipe também mostrou que as redes neurais podem preencher as peças que faltam de uma estrutura de proteína em apenas alguns segundos. Tal software poderia auxiliar no desenvolvimento de novos medicamentos.
"Com o autocomplete, ou 'proteína inpainting', começamos com os principais recursos que queremos ver em uma nova proteína, depois deixamos o software criar o resto. Esses recursos podem ser motivos de ligação conhecidos ou até mesmo sítios ativos de enzimas ", explica Watson.
Testes de laboratório revelaram que muitas proteínas geradas através de alucinações e pinturas funcionavam como pretendido. Isso incluiu novas proteínas que podem se ligar a metais, bem como aquelas que se ligam ao receptor anticâncer PD-1.
As novas redes neurais podem gerar vários tipos diferentes de proteínas em menos de um segundo. Alguns incluem vacinas potenciais para o vírus sincicial respiratório mortal, ou RSV.
Todas as vacinas funcionam apresentando um pedaço de um patógeno ao sistema imunológico. Os cientistas geralmente sabem qual peça funcionaria melhor, mas criar uma vacina que atinja a forma molecular desejada pode ser um desafio. Usando as novas redes neurais, a equipe solicitou a um computador que criasse novas proteínas que incluíssem o fragmento do patógeno necessário como parte de sua estrutura final. O software era livre para criar quaisquer estruturas de suporte ao redor do fragmento-chave, gerando várias vacinas em potencial com diversas formas moleculares.
Quando testado em laboratório, a equipe descobriu que anticorpos conhecidos contra o RSV aderiram a três de suas proteínas alucinadas. Isso confirma que as novas proteínas adotaram suas formas pretendidas e sugere que podem ser candidatas viáveis a vacinas que podem levar o corpo a gerar seus próprios anticorpos altamente específicos. Testes adicionais, inclusive em animais, ainda são necessários.
"Comecei a trabalhar nas vacinas apenas como uma maneira de testar nossos novos métodos, mas no meio do trabalho no projeto, meu filho de dois anos foi infectado pelo RSV e passou uma noite no pronto-socorro para melhorar os seus pulmões. Isso me fez perceber que mesmo os problemas de 'teste' em que estávamos trabalhando eram realmente muito significativos", disse Wang.
“Essas são novas abordagens muito poderosas, mas ainda há muito espaço para melhorias”, disse Baker, que recebeu o Prêmio Breakthrough 2021 em Ciências da Vida. "Projetar enzimas de alta atividade, por exemplo, ainda é muito desafiador. Mas a cada mês nossos métodos ficam cada vez melhores. O aprendizado profundo transformou a previsão da estrutura da proteína nos últimos dois anos".
Artigos recomendados: IA e mRNA
Fonte:https://medicalxpress.com/news/2022-07-biologists-ai-medicines-vaccines.html
Nenhum comentário:
Postar um comentário