AlphaFold 3: DeepMind evolui o seu projeto de dobragem de proteínas por IA

10 de maio de 2024
  • A DeepMind anunciou o AlphaFold 3, a versão mais recente do seu projeto de dobragem de proteínas
  • O AlphaFold 3 baseia-se no sucesso dos seus antecessores com uma arquitetura melhorada
  • Promete acelerar a investigação biotecnológica e a descoberta de medicamentos

DeepMind anunciado AlphaFold 3, a última iteração do seu projeto de dobragem de proteínas.

AlphaFold 3Tal como os seus antecessores, prevê principalmente a forma como as proteínas se dobram com base nas suas sequências de aminoácidos.

As proteínas, os blocos de construção de toda a vida orgânica, são compostas por longas cadeias de aminoácidos que se dobram como "origami" em estruturas 3D que determinam as suas funções. 

A compreensão da forma como estas estruturas se dobram abre a porta à decifração dos mecanismos moleculares que estão na base da saúde e da doença.

Por exemplo, em alguns casos, as proteínas podem ficar mal dobradas, o que perturba a sua função normal e contribui para o desenvolvimento de doenças como a doença de Alzheimer e a doença de Parkinson.

A dobragem incorrecta pode interferir com a saúde celular através da acumulação de proteínas disfuncionais que podem danificar as células e os tecidos.

Ao desvendar os mecanismos subjacentes a este processo, os cientistas podem desenvolver fármacos que eliminem eficazmente as proteínas mal dobradas acumuladas no organismo ou intervenções que impeçam a ocorrência de mal dobradas.

Apresentação do AlphaFold 3

DeepMind recentemente anunciado AlphaFold 3que inclui uma versão melhorada do módulo Evoformer, parte da arquitetura de aprendizagem profunda subjacente ao AlphaFold 2.

Quando o módulo Evoformer processa as moléculas de entrada, o AlphaFold 3 utiliza uma nova rede de difusão para montar as estruturas previstas. 

Esta rede é semelhante às utilizadas em geradores de imagens de IA como DALL-E. Começa com uma "nuvem" de átomos e refina iterativamente a estrutura ao longo de uma série de passos até convergir para uma configuração molecular final, provavelmente exacta.

O modelo AlphaFold 3 evoluiu para além das proteínas - também capta as interacções do ADN, ARN e ligandos. Um ligando é uma molécula que se liga a outra molécula, tipicamente uma proteína, para formar um complexo e frequentemente desencadeia uma resposta biológica ou uma alteração na função da proteína.

Laboratórios Isomorphic, que colaborou com DeepMind no projeto AlphaFold 3, já está a trabalhar com empresas farmacêuticas, aplicando o modelo a desafios reais de conceção de medicamentos. 

DeepMind lançou também o projeto Servidor AlphaFolduma plataforma gratuita e de fácil utilização que permite aos investigadores tirar partido do poder do AlphaFold 3 sem grandes recursos computacionais ou conhecimentos especializados em aprendizagem automática. 

Uma breve história do projeto AlphaFold

Antes da aprendizagem automática, calcular o número de configurações que uma proteína poderia assumir era astronomicamente moroso.

O projeto AlphaFold teve início em 2016 e terminou em 2018, pouco depois da vitória histórica do AlphaGo contra Lee Sedol, um dos melhores jogadores internacionais de Go. 

Em 2018, DeepMind estreou o AlphaFold 1, a primeira versão do sistema de IA, na CASP13 (Critical Assessment of Protein Structure Prediction) challenge. 

Este concurso bienal reúne grupos de investigação de todo o mundo para testar a exatidão das suas previsões de estruturas proteicas em relação a dados experimentais reais. 

O AlphaFold 1 ficou em primeiro lugar no concurso, um marco importante na biologia computacional.

Dois anos mais tarde, na CASP14 em 2020, DeepMind apresentou o AlphaFold 2, demonstrando uma exatidão tão elevada que a comunidade científica considerou o problema da dobragem de proteínas essencialmente resolvido. 

O desempenho do AlphaFold 2 foi notável. Atingiu uma pontuação de precisão média de 92,4 GDT (Global Distance Test) em todos os objectivos. 

Para colocar isto em perspetiva, uma pontuação de 90 GDT é considerada competitiva com os resultados obtidos através de métodos experimentais. O artigo sobre os métodos do AlphaFold 2 recebeu desde então mais de 20.000 citações, o que o coloca entre os 500 artigos mais citados em todos os domínios científicos. 

A AlphaFold tem sido fundamental em numerosos projectos de investigação inovadores, como o estudo de proteínas que podem degradar poluentes ambientais, como os plásticos, e melhorar a nossa compreensão de doenças tropicais pouco comuns, como a leishmaniose e a doença de Chagas.

Em julho de 2021, DeepMindem parceria com o Instituto Europeu de Bioinformática do EMBL (EMBL-EBI), lançou a base de dados de estruturas proteicas AlphaFold, que dá acesso a mais de 350 000 previsões de estruturas proteicas, incluindo o proteoma humano completo. 

Desde então, esta base de dados foi alargada para incluir mais de 200 milhões de estruturas, abrangendo quase todas as proteínas catalogadas conhecidas pela ciência. 

Até à data, a Base de Dados de Estruturas de Proteínas AlphaFold foi acedida por mais de um milhão de utilizadores em mais de 190 países, permitindo descobertas em áreas que vão desde a medicina à agricultura e muito mais.

O AlphaFold 3 marca mais uma iteração para este sistema de descoberta e análise de proteínas, o melhor da sua classe. 

Junte-se ao futuro


SUBSCREVER HOJE

Claro, conciso e abrangente. Fique a par dos desenvolvimentos da IA com DailyAI

Calças de ganga Sam

Sam é um escritor de ciência e tecnologia que trabalhou em várias startups de IA. Quando não está a escrever, pode ser encontrado a ler revistas médicas ou a vasculhar caixas de discos de vinil.

×
 
 

PDF GRATUITO EXCLUSIVO
Fique à frente com o DailyAI


 

Subscreva a nossa newsletter semanal e receba acesso exclusivo ao último livro eletrónico do DailyAI: 'Mastering AI Tools: Seu guia 2024 para aumentar a produtividade'.



 
 

*Ao subscrever a nossa newsletter, aceita a nossa Política de privacidade e o nosso Termos e condições