Inteligência artificial permite a criação de proteínas inéditas para acelerar o desenvolvimento de medicamentos
Avanços em inteligência artificial permitiram a transição da biologia molecular da fase de descoberta para o design de proteínas. O AlphaFold disponibilizou modelos de milhões de estruturas e, a partir de 2025, empresas passaram a projetar moléculas inéditas para fins farmacêuticos, industriais e agrícolas
A biologia molecular atravessa uma mudança de paradigma com a transição da fase de descoberta para a de design intencional, impulsionada por avanços em inteligência artificial. O marco inicial dessa transformação ocorreu em 28 de julho de 2022, quando a DeepMind anunciou que o AlphaFold havia expandido sua base para mais de 200 milhões de estruturas proteicas previstas. Desenvolvido com o EMBL-EBI, o AlphaFold Protein Structure Database disponibilizou esses modelos em acesso aberto, cobrindo quase todas as proteínas catalogadas pela ciência.
Essa inovação resolveu um gargalo histórico da biologia. Anteriormente, a determinação da estrutura tridimensional de proteínas dependia de métodos experimentais lentos e caros, como a microscopia crioeletrônica, a ressonância magnética nuclear e a cristalografia de raios X, que exigiam infraestrutura especializada e longos ciclos laboratoriais.
A evolução tecnológica prosseguiu em 2024 com o AlphaFold 3. Enquanto a versão anterior focava em proteínas isoladas, o novo modelo simula o comportamento biológico ao prever interações entre proteínas e outras moléculas. Como a maioria das funções orgânicas depende dessas interações, a ferramenta permitiu que a ciência passasse a compreender como as proteínas operam efetivamente dentro do corpo.
A partir de 2025, o foco deslocou-se da previsão para a criação. Empresas como EvolutionaryScale, Recursion Pharmaceuticals e Isomorphic Labs implementaram a IA generativa para projetar proteínas inéditas, que não existem naturalmente. Por meio de engenharia molecular digital, o sistema propõe estruturas capazes de cumprir objetivos específicos, simulando em laboratório processos que levariam milhões de anos de evolução biológica.
Na prática, essa capacidade já resulta em enzimas projetadas para enfrentar desafios ambientais e industriais. No setor farmacêutico, a tecnologia altera o desenvolvimento de medicamentos, que tradicionalmente se baseia em tentativa e erro por mais de uma década. Modelos avançados agora identificam alvos terapêuticos e otimizam a afinidade de moléculas, acelerando a busca por tratamentos contra doenças raras, câncer e condições complexas. Embora não substitua os testes clínicos, a IA reduz drasticamente o tempo de chegada de candidatos promissores.
A escala desse avanço permite que cientistas explorem regiões do universo molecular que a natureza nunca testou, já que a evolução natural explorou apenas uma fração das infinitas proteínas possíveis. Esse cenário impacta setores como a agricultura, com a criação de culturas resistentes, e a indústria química, através de biocatalisadores eficientes. A produção de enzimas sob medida tende a reduzir custos e aumentar a eficiência produtiva, tornando a biotecnologia estratégica para a economia global.
Apesar do progresso, a área enfrenta obstáculos técnicos. Nem todas as proteínas projetadas digitalmente funcionam no mundo real, e a complexidade dos processos biológicos envolve variáveis difíceis de prever. Persistem desafios na validação de estruturas complexas e na compreensão total da dinâmica proteica, o que mantém a necessidade de testes rigorosos e validação científica.