No ano passado, o Deep Mind, laboratório de pesquisa em inteligência artificial da Google, anunciou o desenvolvimento do Alpha Fold, um algoritmo revolucionário capaz de predizer a estrutura de proteínas a partir de sua constituição. O caráter revolucionário do sistema se deve ao fato de que, até então, parecia impossível prever a estrutura das proteínas com tão pouca informação. A tarefa é tão complexa quanto, por exemplo, prever o livro que será escrito a partir de suas letras. Até então, as proteínas que tiveram sua estrutura elucidada o fizeram através de experimentos complexos, que demandavam tempo e tinham baixa eficiência.
Graças ao Alpha Fold, o Deep Mind criou o mapa mais completo das proteínas humanas até hoje. Agora, a empresa planeja o próximo passo nesta empreitada: disponibilizar publicamente os dados gerados, para uso aberto pela comunidade científica. O evento é tão importante que pode ser comparado ao Projeto Genoma Humano, que há cerca de 20 anos tornou público o mapa dos genes que compõem nosso DNA. Esta será a maior contribuição já feita pela inteligência artificial para a ciência até hoje.
Até então, cerca de 180 mil estruturas proteicas estavam disponíveis em domínio público. Graças ao Alpha Fold, 350 mil novas estruturas serão disponibilizadas imediatamente, cobrindo 20 organismos diferentes, e 98% de todas as proteínas humanas, que somam cerca de 20 mil estruturas. Esta coleção, que é referenciada como proteoma da espécie, tem cerca de 50 GB de informação, e pode ser obtida por qualquer cientista ou empresa interessado.
O CEO do Deep Mind, Demis Hassabis, considera as informações geradas pelo Alpha Fold como o ápice dos 10 anos de trabalho realizados desde a fundação da empresa, que busca aplicar inteligência artificial para acelerar descobertas científicas e seu potencial uso em benefício da humanidade.
Após esta publicação inicial, o projeto continuará sendo mantido pelo Laboratório de Biologia Molecular Europeu (EMBL, European Molecular Biology Laboratory), que pretende disponibilizar até o final do ano cerca de 100 milhões de predições de estrutura proteica. Por estes números, fica claro o enorme potencial que este trabalho tem de transformar drasticamente a pesquisa com proteínas.
