Estratégia de aprendizagem de Inteligência Artificial utilizada para projetar proteínas

Cientistas aplicaram com sucesso a aprendizagem por reforço, no qual um programa aprende a tomar decisões procurando diferentes ações e recebendo "feedback", num dos desafios da biologia molecular, o design de proteínas.

A equipa de investigação, da Escola de Medicina da Universidade de Washington, nos Estados Unidos, desenvolveu um poderoso "software" de design de proteínas, com base numa estratégia comprovada em jogos de tabuleiro como o xadrez, que serviu para fabricar centenas destas substancias numa experiência posterior.

"As proteínas criadas com a nova abordagem foram mais eficazes na geração de anticorpos úteis em roedores", segundo os autores da investigação publicada na revista Science, que sugerem que "este avanço pode levar em breve a vacinas mais poderosas".

No geral, o método pode inaugurar uma nova era no design de proteínas, destacou a universidade em comunicado, citado esta quinta-feira pela agência Efe.

"Os nossos resultados demonstram que a aprendizagem por reforço pode fazer mais do que apenas dominar os jogos de tabuleiro", destacou o principal autor do estudo, David Baker.

"Se este método for aplicado aos problemas de investigação corretos, poderá acelerar o progresso em vários campos", acrescentou.

As aplicações potenciais são vastas, desde o desenvolvimento de tratamentos de cancro mais eficazes, até a criação de novos tecidos biodegradáveis.

Nesta aprendizagem por reforço, um programa aprende a tomar decisões tentando diferentes ações e recebendo "feedback".

Este algoritmo pode, por exemplo, aprender a jogar xadrez, tentando milhões de movimentos diferentes que levam à vitória ou à derrota no tabuleiro. O programa é projetado para aprender com essas experiências e melhorar, ao longo do tempo, na tomada de decisões.

Neste caso, os cientistas deram ao computador milhões de moléculas simples iniciais e, em seguida, o programa fez 10.000 tentativas para melhorar aleatoriamente cada uma em direção a um objetivo predefinido: o computador esticou as proteínas ou dobrou-as de maneiras específicas até aprender a dar-lhes a forma desejada.

"A nossa abordagem é única porque utilizamos a aprendizagem por reforço para resolver o problema de criar formas de proteínas que se encaixam como peças de um quebra-cabeça", frisou Isaac D. Lutz, outro dos investigadores.

"Isto simplesmente não era possível com abordagens anteriores e tem o potencial de transformar os tipos de moléculas que podemos construir", acrescentou.

Como parte deste estudo, os cientistas produziram centenas de proteínas projetadas por Inteligência Artificial (IA) em laboratório. Utilizando microscópios eletrónicos e outros instrumentos, confirmaram que muitas das formas de proteínas criadas pelo computador se tornaram realidade em laboratório.

"Este método mostrou-se não apenas preciso, mas também altamente personalizável. Por exemplo, pedimos ao programa para criar estruturas esféricas sem furos, com furos pequenos ou com furos grandes; o seu potencial para gerar todos os tipos de arquiteturas ainda não foi explorado", detalhou Shunzhi Wang.

A equipa concentrou-se em projetar novas estruturas em escala nanométrica compostas por muitas moléculas de proteína. Para isso, foi necessário projetar tanto os próprios componentes proteicos quanto as interfaces químicas que permitem a automontagem das nanoestruturas.

A microscopia eletrónica confirmou que numerosas nanoestruturas projetadas por IA eram capazes de serem formadas em laboratório.

Para medir a precisão do "software" de design, os cientistas analisaram muitas nanoestruturas únicas nas quais cada átomo estava no lugar pretendido.

O desvio entre a nanoestrutura prevista e realizada foi, em média, menor que a largura de um único átomo.

É o que se chama, apontam os autores, "design atomicamente preciso".