Novo modelo de IA impulsiona precisão na previsão de estruturas de proteínas
Cientistas da Universidade da Califórnia, Berkeley, revelaram um modelo avançado de IA que prevê estruturas de proteínas com precisão inédita de 99%. O avanço, detalhado em um estudo publicado na Nature, pode acelerar a descoberta de medicamentos e a medicina personalizada. A pesquisadora principal, Dra. Jane Smith, descreveu-o como um 'mudança de jogo' para a biotecnologia.
Em 1º de outubro de 2025, uma equipe liderada pela Dra. Jane Smith da Universidade da Califórnia, Berkeley, anunciou um avanço significativo na biologia computacional. Seu novo modelo de IA, chamado ProFold-X, atinge 99% de precisão na previsão de estruturas tridimensionais de proteínas, superando métodos anteriores como o AlphaFold, que chegava a cerca de 90% em casos complexos.
A pesquisa, publicada na revista Nature no mesmo dia, envolveu o treinamento do modelo em um conjunto de dados de mais de 1 milhão de amostras de proteínas de organismos diversos. 'Isso é uma mudança de jogo para a descoberta de medicamentos', disse a Dra. Smith em um comunicado. 'Ao modelar com precisão como as proteínas se dobram, podemos entender melhor as doenças no nível molecular e projetar terapias direcionadas mais rapidamente.'
O dobramento de proteínas tem sido um desafio central na biologia por muito tempo, pois proteínas mal dobradas estão implicadas em condições como Alzheimer e câncer. Métodos experimentais tradicionais, como cristalografia de raios X, são demorados e caros, frequentemente levando anos. O ProFold-X usa algoritmos de aprendizado profundo aprimorados com computação inspirada em quantum para simular dinâmicas de dobramento em horas.
A linha do tempo do estudo começou no início de 2024, quando a equipe de Berkeley garantiu financiamento dos Institutos Nacionais de Saúde. Prototipos iniciais foram testados em conjuntos de dados de referência do Protein Data Bank, mostrando melhorias na velocidade de previsão de 40%. A validação veio de colaborações com empresas farmacêuticas, onde o modelo previu com sucesso estruturas para 95% de alvos de medicamentos novos.
Embora a tecnologia prometa, especialistas notam limitações. O Dr. Alex Rivera, biofísico na Universidade de Stanford não envolvido no estudo, comentou: 'O desempenho do modelo em proteínas raras ainda precisa ser totalmente testado em aplicações do mundo real.' Não há contradições principais na reportagem, embora a revisão por pares em andamento possa refinar essas figuras de precisão.
Este desenvolvimento se baseia em sucessos anteriores de IA no campo, potencialmente reduzindo barreiras para laboratórios de pesquisa menores. As implicações se estendem à agricultura e à ciência ambiental, onde a engenharia de proteínas poderia melhorar a resiliência de culturas ou a produção de biocombustíveis. A liberação open-source do ProFold-X está planejada para o início de 2026, convidando colaboração global.