Pesquisadores desenvolvem modelo de IA para previsão precisa da estrutura de proteínas
Cientistas revelaram um novo modelo de inteligência artificial que prevê estruturas de proteínas com precisão sem precedentes. O avanço, detalhado em um estudo recente, poderia transformar a descoberta de medicamentos e a biotecnologia. Desenvolvido por uma equipe da Universidade de Cambridge, o modelo utiliza técnicas avançadas de aprendizado de máquina.
Em 30 de setembro de 2025, a ScienceDaily relatou um avanço significativo na biologia computacional. Pesquisadores da Universidade de Cambridge introduziram um modelo de IA capaz de prever estruturas de proteínas com 99% de precisão, superando métodos anteriores como o AlphaFold.
O estudo, publicado na revista Nature, descreve como o modelo foi treinado com mais de 1 milhão de conjuntos de dados de proteínas coletados de bancos de dados globais. A pesquisadora principal, Dra. Elena Rossi, afirmou: "Este avanço poderia revolucionar a descoberta de medicamentos ao permitir a identificação mais rápida de alvos proteicos para novas terapias." O desenvolvimento levou três anos, envolvendo colaboração com especialistas em computação e biólogos.
As proteínas são blocos de construção essenciais da vida, e entender suas estruturas 3D é crucial para desenvolver tratamentos para doenças como câncer e Alzheimer. Métodos tradicionais, como cristalografia de raios X, são demorados e caros. A nova abordagem de IA usa algoritmos de aprendizado profundo aprimorados com computação inspirada em quântica para simular processos de dobramento de forma mais eficiente.
O contexto de fundo revela que a previsão de estrutura de proteínas tem sido um grande desafio na biologia desde a década de 1970. Ferramentas de IA anteriores melhoraram a precisão para cerca de 90%, mas este modelo alcança resultados quase perfeitos para proteínas complexas. Os pesquisadores testaram-no em 500 estruturas novas, confirmando a confiabilidade em diversas funções biológicas.
As implicações incluem pesquisa farmacêutica acelerada, potencialmente reduzindo os prazos de desenvolvimento de medicamentos de anos para meses. No entanto, especialistas observam a necessidade de validação adicional em aplicações do mundo real. O coautor Dr. Marco Lee acrescentou: "Embora promissor, integrar isso em fluxos de trabalho de laboratório exigirá recursos adicionais."
Não há contradições principais no relatório, pois a fonte fornece um resumo unificado do estudo revisado por pares. Este desenvolvimento ressalta o papel crescente da IA na resolução de quebra-cabeças científicos de longa data.