O AlphaFold previu a forma de uma proteína a partir de sua sequência em vez de medi-la

A função de uma proteína depende de sua forma tridimensional, e conhecer apenas a sequência não revela a forma. Determinar uma estrutura experimentalmente pode levar uma equipe de pesquisa de meses a anos, razão pela qual apenas cerca de 100.000 estruturas únicas de proteínas eram conhecidas, apesar de bilhões de sequências de proteínas.

O AlphaFold do DeepMind atacou o problema computacionalmente. Ele foi treinado nas estruturas que os cientistas já haviam resolvido e usou a evolução como sinal: sequências que compartilham um ancestral comum devem se enovelar de forma semelhante, de modo que os alinhamentos de múltiplas sequências carregam informações sobre quais partes de uma proteína estão próximas umas das outras no espaço.

A rede então produz as coordenadas 3D de cada átomo a partir de uma sequência isolada. Na avaliação cega do CASP14, foi competitiva com estruturas experimentais para a maioria dos alvos e superou em muito toda a computação anterior, fazendo em minutos o que de outra forma poderia levar anos em um laboratório.

A vitória não foi um modelo maior por si só; a chave foi codificar conhecimento físico e evolutivo na arquitetura e então deixá-la generalizar pelo enorme espaço de proteínas nunca vistas.

Prever a forma, não medir cada uma

A determinação experimental de estruturas é uma das etapas mais lentas e caras da biologia, então substituí-la por previsão muda a escala do que pode ser estudado.

Os alinhamentos de múltiplas sequências permitem que a evolução substitua a medição, dando ao modelo um grande sinal de treinamento privado além das poucas estruturas conhecidas.

O modelo resolve uma tarefa geral, então funciona mesmo quando nenhuma estrutura semelhante jamais foi medida.

A precisão quase atômica é suficiente para ser útil, transformando a estrutura em uma entrada rotineira em vez de um recurso escasso.

Quando a verdade de referência é cara, construa um modelo que a generalize — aprenda a regra a partir de um pequeno conjunto de exemplos em vez de remedir a mesma coisa para cada novo caso.

As estruturas do AlphaFold foram divulgadas para quase todo o universo conhecido de proteínas, e o banco de dados aberto tornou-se uma ferramenta padrão na descoberta de fármacos, genômica e pesquisa de doenças. Sua abordagem ajudou a encerrar um problema aberto de 50 anos e mostrou que uma rede profunda cuidadosamente projetada poderia extrair uma regra física geral a partir de dados limitados e caros.