Inteligência Artificial projetou do zero proteínas que matam bactérias - e elas funcionam

Uma Inteligência Artificial (IA) foi encarregada de projetar proteínas com propriedades antimicrobianas. Os pesquisadores então criaram um subconjunto das proteínas e descobriram que algumas realmente faziam o trabalho.

De acordo com dados do estudo, publicado na revista Nature Biotechnology, as proteínas antimicrobianas foram testadas na vida real e demonstraram funcionar. A mesma abordagem poderia eventualmente ser usada para fazer novos medicamentos.

Leia sobre "A resistência aos antibióticos e as superbactérias".

Proteínas são formadas por cadeias de aminoácidos. A sequência desses ácidos determina a forma e a função da proteína.

Ali Madani, da Profluent, uma startup de biotecnologia na Califórnia, e seus colegas usaram uma IA para projetar milhões de novas proteínas e, em seguida, criaram uma pequena amostra para testar se funcionavam.

A IA, chamada ProGen, funciona de maneira semelhante às IAs que podem gerar texto. A ProGen aprendeu como gerar novas proteínas aprendendo a gramática de como os aminoácidos se combinam para formar 280 milhões de proteínas existentes. Em vez de os pesquisadores escolherem um tópico para a IA escrever, eles poderiam especificar um grupo de proteínas semelhantes para ela focar. Nesse caso, eles escolheram um grupo de proteínas com atividade antimicrobiana.

Os pesquisadores programaram verificações no processo da IA para que não produzisse cadeias de aminoácidos “sem sentido”, mas também testaram uma amostra das moléculas propostas pela IA em células reais. Das 100 moléculas que eles criaram fisicamente, 66 participaram de reações químicas semelhantes às das proteínas naturais que destroem as bactérias da clara do ovo e da saliva. Isso sugeriu que essas novas proteínas também poderiam matar bactérias.

Os pesquisadores selecionaram as cinco proteínas com reações mais intensas e as adicionaram a uma amostra da bactéria Escherichia coli. Duas das proteínas destruíram as bactérias.

Os pesquisadores então fizeram imagens das proteínas com raios-X. Embora suas sequências de aminoácidos fossem até 30% diferentes de qualquer proteína existente, suas formas quase correspondiam às proteínas naturais. James Fraser, da Universidade da Califórnia, em San Francisco, que fazia parte da equipe, diz que não estava claro desde o início que a IA poderia descobrir como mudar tanto a sequência de aminoácidos e ainda produzir a forma correta.

“Foi uma situação do tipo ‘parece um pato, grasna como um pato’, e os raios-X confirmaram que também andava como um pato”, diz Fraser, se referindo ao ditado popular “se parece com um pato, anda como um pato e grasna como um pato, então provavelmente é um pato.”

Ele ficou surpreso ao encontrar uma proteína que funciona bem na primeira fração relativamente pequena de todas as proteínas geradas pela ProGen que eles testaram.

Um processo semelhante poderia ser usado para criar novas moléculas de teste para o desenvolvimento de medicamentos, embora ainda precisem ser testadas em laboratórios, o que é demorado, diz Madani.

No artigo, os pesquisadores descrevem como grandes modelos de linguagem geram sequências de proteínas funcionais em diversas famílias.

Eles relatam que os modelos de linguagem de aprendizado profundo (deep-learning) mostraram-se promissores em várias aplicações biotecnológicas, incluindo design e engenharia de proteínas.

Neste estudo, eles descrevem o ProGen, um modelo de linguagem que pode gerar sequências de proteínas com uma função previsível em grandes famílias de proteínas, semelhante à geração de sentenças de linguagem natural gramatical e semanticamente corretas em diversos tópicos.

O modelo foi treinado em 280 milhões de sequências de proteínas de mais de 19.000 famílias e é aumentado com tags de controle que especificam as propriedades da proteína. O ProGen pode ser ainda mais ajustado para sequências e tags selecionadas para melhorar o desempenho de geração controlável de proteínas de famílias com amostras homólogas suficientes.

Proteínas artificiais ajustadas para cinco famílias distintas de lisozimas mostraram eficiências catalíticas semelhantes às lisozimas naturais, com identidade de sequência com proteínas naturais tão baixa quanto 31,4%.

O ProGen é facilmente adaptado a diversas famílias de proteínas, como demonstrado com a corismato mutase e a malato desidrogenase.

Veja também sobre "O que são bactérias" e "Usos e abusos dos antibióticos".

 

Fontes:
Nature Biotechnology, publicação em 26 de janeiro de 2023.
New Scientist, notícia publicada em 26 de janeiro de 2023.