Sistemas de IA Descobrem Projetos para Proteínas Artificiais

Uma equipe de pesquisadores da Pritzker School of Molecular Engineering (PME) da Universidade de Chicago conseguiu criar recentemente um sistema de IA que pode criar proteínas artificiais completamente novas, analisando grandes quantidades de dados.

As proteínas são macromoléculas essenciais para a construção de tecidos em seres vivos e são fundamentais para a vida das células em geral. As proteínas são usadas pelas células como catalisadores químicos para fazer ocorrer várias reações químicas e realizar tarefas complexas. Se os cientistas conseguirem descobrir como engenharia de proteínas artificiais de forma confiável, isso poderia abrir portas para novas maneiras de captura de carbono, novos métodos de coleta de energia e novos tratamentos de doenças. As proteínas artificiais têm o poder de alterar dramaticamente o mundo em que vivemos. Conforme relatado pelo EurekaAlert, um recente avanço por pesquisadores da PME da Universidade de Chicago colocou os cientistas mais perto desses objetivos. Os pesquisadores da PME fizeram uso de algoritmos de aprendizado de máquina para desenvolver um sistema capaz de gerar novas formas de proteínas.

A equipe de pesquisa criou modelos de aprendizado de máquina treinados em dados extraídos de vários bancos de dados genômicos. À medida que os modelos aprendiam, eles começaram a distinguir padrões subjacentes comuns, regras simples de design, que permitem a criação de proteínas artificiais. Ao tomar esses padrões e sintetizar as proteínas correspondentes no laboratório, os pesquisadores descobriram que as proteínas artificiais criadas produziam reações químicas que eram aproximadamente tão eficazes quanto as impulsionadas por proteínas naturais.

De acordo com o Professor Joseph Regenstein da PME da Universidade de Chicago, Rama Ranganathan, a equipe de pesquisa descobriu que os dados genômicos contêm uma grande quantidade de informações sobre as funções básicas e estruturas das proteínas. Ao utilizar o aprendizado de máquina para reconhecer essas estruturas comuns, os pesquisadores foram “capazes de capturar as regras da natureza para criar proteínas por conta própria”.

Os pesquisadores se concentraram em enzimas metabólicas para este estudo, especificamente em uma família de proteínas chamada mutase de corismato. Essa família de proteínas é necessária para a vida em uma ampla variedade de plantas, fungos e bactérias.

Ranganathan e colaboradores perceberam que os bancos de dados genômicos continham insights que estavam apenas esperando para ser descobertos pelos cientistas, mas que os métodos tradicionais de determinar as regras sobre a estrutura e a função das proteínas tiveram apenas um sucesso limitado. A equipe se propôs a projetar modelos de aprendizado de máquina capazes de revelar essas regras de design. As descobertas do modelo implicam que novas sequências artificiais podem ser criadas conservando posições de aminoácidos e correlações na evolução de pares de aminoácidos.

A equipe de pesquisadores criou genes sintéticos que codificavam sequências de aminoácidos que produziam essas proteínas. Eles clonaram bactérias com esses genes sintéticos e descobriram que as bactérias usavam as proteínas sintéticas em sua maquinaria celular, funcionando quase exatamente como proteínas regulares.

De acordo com Ranganathan, as regras simples que o AI distinguiu podem ser usadas para criar proteínas artificiais de complexidade e variedade incríveis. Como Ranganathan explicou ao EurekaAlert:

“As restrições são muito menores do que imaginávamos que seriam. Há uma simplicidade nas regras de design da natureza, e acreditamos que abordagens semelhantes possam nos ajudar a procurar modelos de design em outros sistemas complexos da biologia, como ecossistemas ou o cérebro”.

Ranganathan e colaboradores querem levar seus modelos e generalizá-los, criando uma plataforma que os cientistas possam usar para entender melhor como as proteínas são construídas e quais efeitos elas têm. Eles esperam usar seus sistemas de IA para permitir que outros cientistas descubram proteínas que possam lidar com questões importantes como a mudança climática. Ranganathan e o Professor Associado Andrew Ferguson criaram uma empresa chamada Evozyne, que visa comercializar a tecnologia e promover seu uso em campos como agricultura, energia e meio ambiente.

Entender as semelhanças entre proteínas e as relações entre estrutura e função também pode ajudar na criação de novos medicamentos e formas de terapia. Embora o dobramento de proteínas tenha sido considerado por muito tempo um problema incrivelmente difícil para os computadores resolver, as informações de modelos como o produzido pela equipe de Ranganathan podem ajudar a aumentar a velocidade com que esses cálculos são produzidos, facilitando a criação de novos medicamentos baseados nessas proteínas. Medicamentos podem ser desenvolvidos para bloquear a criação de proteínas dentro de vírus, potencialmente ajudando no tratamento de vírus novos, como o coronavírus Covid-19.

Ranganathan e o restante da equipe de pesquisa ainda precisam entender como e por que seus modelos funcionam e como eles produzem projetos de proteínas confiáveis. O próximo objetivo da equipe de pesquisa é entender melhor quais atributos os modelos estão levando em consideração para chegar a suas conclusões.