Criação de novas proteínas, um campo promissor contemplado com o Nobel de Química
Vencedores foram anunciados nesta quarta-feira (9)
Leia também
• Nobel de Química premia avanços na previsão da estrutura de proteínas com IA
• Ganhadores do Nobel de Física alertam para avanços recentes da IA
• Os ganhadores do Prêmio Nobel de Física dos últimos dez anos
Prever a estrutura das proteínas e criar novas para o tratamento de doenças ou para degradar plásticos é um campo promissor explorado pelos americanos David Baker e John Jumper, e pelo britânico Demis Hassabis, contemplados, nesta quarta-feira (9) com o Prêmio Nobel de Química.
O que é uma proteína?
As proteínas são moléculas que desempenham um papel fundamental em quase todas as funções dos organismos vivos.
São compostas de uma sequência de aminoácidos, blocos básicos de 20 tipos diferentes que podem ser combinados infinitamente. Seguindo as instruções armazenadas no DNA, os aminoácidos de uma proteína se entrelaçam para formar uma longa cadeia que se retorce, adotando uma estrutura tridimensional específica.
A ordem dos aminoácidos determina qual será a estrutura tridimensional da proteína. E é essa estrutura que dá à proteína a sua função.
"As proteínas são teu sistema imunológico; as enzimas, que também são proteínas, são a digestão", explica à AFP Sophie Sacquin-Mora, especialista do Laboratório francês de Bioquímica Teórica.
"Buscar uma estrutura equivale a querer encontrar uma proteína com uma função específica. A natureza já nos proporciona dezenas de milhares de proteínas diferentes, mas às vezes queremos que faça algo que ainda não sabe fazer", acrescenta.
O que os premiados com o Nobel descobriram?
O americano David Baker "decifrou o código" da sequência de aminoácidos, nas palavras do Comitê Nobel. Ele desenhou uma estrutura de proteína completamente nova e, com ajuda do Rosetta, programa de computador criado por ele, conseguiu determinar qual sequência de aminoácidos permitiria obter um determinado resultado.
O Rosetta explorou uma base de dados de todas as estruturas proteicas conhecidas e buscou pequenos fragmentos de proteínas que mostrassem semelhanças com a estrutura desejada. Em seguida, otimizou estes fragmentos e propôs uma sequência de aminoácidos.
O britânico Demis Hassabis e o americano John Jumper fizeram o caminho inverso, prevendo como seria uma proteína a partir da sequência de aminoácidos.
Para isso, usaram inteligência artificial. Com redes neurais artificiais e aprendizagem profunda, com as quais John Hopfield e Geoffrey Hinton foram premiados na terça-feira com o Nobel de Física, eles treinaram seu modelo, AlphaFold2, alimentando-o com todas as sequências de aminoácidos e as estruturas correspondentes conhecidas até hoje.
Diante de uma sequência desconhecida, o AlphaFold2 compara as semelhanças com as sequências já conhecidas e elabora um mapa que estima a distância entre cada aminoácido nas proteínas, e pouco a pouco consegue montar o quebra-cabeças tridimensional. Assim, conseguiram prever a estrutura de quase a totalidade das 200 milhões de proteínas conhecidas.
Para que serve?
Visualizar a estrutura de uma proteína permite "compreender melhor porque certas doenças se desenvolvem, como se produz a resistência aos antibióticos ou porque alguns micróbios conseguem decompor o plástico", destaca o Comitê Nobel.
Criar proteínas com novas funções "pode levar a novos nanomateriais, a medicamentos específicos, ao desenvolvimento mais rápido de vacinas, a desenvolver sensores minimalistas e uma indústria química mais ecológica", acrescenta.
Durante o anúncio do Nobel, David Baker mencionou a criação de novos antivirais durante a pandemia de covid-19.
"Se trabalhássemos de forma aleatória, só fazendo combinações, levaria muito tempo" para criar novas proteínas, detalha Sacquin-Mora.
"Neste caso, partimos de uma proteína que conhecemos um pouco, que sabemos que funciona, e fazemos modificações, especialmente na sequência, de forma muito específica, para obter a função que nos interessa exatamente. Fazemos 50 tentativas ao invés de cinco milhões, o que representa uma economia considerável de tempo", diz.
Veja também
Estudantes pernambucanos irão representar o Brasil em competição da NASA
