IA Prevê Estruturas 3D de Todas as Proteínas a Partir de Suas Sequências

Proteínas são um dos principais blocos de construção do corpo humano. Elas constroem e mantêm tecidos. Quimicamente, são compostas de aminoácidos — compostos orgânicos feitos de hidrogênio, carbono, oxigênio, nitrogênio ou enxofre.

As proteínas realizam quase todos os processos biológicos fundamentais essenciais para a vida, dobrando-se em estruturas tridimensionais precisas que controlam sua interação com outras moléculas.

Como a forma de uma proteína determina sua função e papel em várias doenças, é importante estudar e prever suas estruturas para desenvolver medicamentos que salvam e transformam vidas.

No entanto, não é tão simples quanto parece. Nas últimas 5 décadas, o dobramento de proteínas permaneceu um dos problemas mais desafiadores para bioquímicos. Numerosos métodos computacionais foram desenvolvidos, especialmente nos últimos anos, para prever como as proteínas se dobram, mas um mapa explícito de sequência para estrutura ainda não foi alcançado.

Agora, pesquisadores da Faculdade de Medicina de Harvard usaram um modelo de aprendizado profundo (uma forma de inteligência artificial) para determinar a estrutura 3D de uma proteína baseada em sua sequência de aminoácidos. Ele supera as técnicas de ponta existentes em 6 a 7 ordens de magnitude em termos de velocidade.

Aplicando Aprendizado Profundo Diferenciável de Ponta a Ponta

Algoritmos avançados usam uma técnica de força bruta para simular a física complexa das interações de aminoácidos e determinar a estrutura da proteína. Para diminuir a sobrecarga computacional, esses algoritmos mapeiam novas sequências em modelos pré-projetados que representam estruturas de proteínas previamente determinadas.

Alguns projetos de IA, como o AlphaFold do Google, analisam uma quantidade massiva de dados genômicos contendo o modelo de sequências de proteínas. No entanto, esses métodos não estimam estruturas baseadas unicamente na sequência de aminoácidos. Eles não conseguem determinar proteínas evolutivamente únicas (estruturas de proteínas que nunca foram estudadas no passado).

Por isso, a equipe de pesquisa usou uma técnica de aprendizado profundo diferenciável de ponta a ponta, que já se provou eficaz em alguns dos aplicativos mais populares, incluindo Google Tradutor e Siri da Apple.

Este sistema de aprendizado profundo, chamado rede geométrica recorrente, enfatiza propriedades-chave do dobramento de proteínas. É treinado em milhares de sequências e estruturas de proteínas predeterminadas.

Para cada aminoácido individual, o algoritmo calcula o ângulo das ligações químicas que ligam o ácido aos seus vizinhos, bem como o ângulo de rotação em torno dessas ligações químicas.

A rede neural realiza esses cálculos (cada iteração é refinada pela localização relativa de todos os outros aminoácidos) até que a estrutura esteja finalizada. O sistema então verifica a precisão de seu resultado comparando-o com a estrutura real da proteína (obtida por observação direta).

Resultados

Este processo é repetido para várias proteínas conhecidas diferentes e a precisão do sistema aumenta a cada iteração. Pode levar meses para treinar a rede, mas uma vez concluído o treinamento, o modelo pode facilmente superar todas as técnicas existentes na estimativa de estruturas de proteínas para as quais não há conhecimento prévio.

Ainda assim, a precisão do modelo não é suficiente para resolver a estrutura atômica completa de uma proteína. Assim, ainda não está pronto para uso no design ou descoberta de fármacos.

Por enquanto, pode complementar outras técnicas para prever uma classe muito mais ampla de estruturas de proteínas do que anteriormente possível. Existem numerosas oportunidades para melhorar o modelo integrando leis da física e química. Se quiser experimentar, o código e os resultados estão disponíveis no GitHub.