IA identifica possível antibiótico, ainda por testar em laboratório

Milhões de sequências proteicas da maior base de dados pública de proteínas do mundo não têm função conhecida. A equipa da Google DeepMind foi procurar nesse vazio e encontrou um candidato que poderá combater infeções respiratórias. O candidato é um péptido antimicrobiano previsto, uma pequena proteína do tipo das que as bactérias produzem naturalmente para eliminar os seus rivais. Foi encontrado em Streptococcus pseudopneumoniae, uma bactéria da mesma família do pneumococo.

A dimensão do problema é dada pela escala da resistência. Os autores estimam que a resistência antimicrobiana poderá causar 10 milhões de mortes por ano em todo o mundo até 2050. Os péptidos são atrativos porque, como notam os autores, evoluíram para atacar estruturas bacterianas básicas, desde os envelopes celulares até à maquinaria interna essencial, o que dificulta o desenvolvimento de resistências. Alguns já são utilizados: a nisina, uma bacteriocina usada em todo o mundo, é o exemplo mais conhecido. Descobertas recentes na prospeção genómica, como a darobactina, a dynobactina e a lariocidina, mostram que o reservatório ainda não está esgotado.

O obstáculo é a informação. Grande parte dos dados de sequências produzidos pelos projetos de genomas foi depositada na UniProt, o recurso de referência para sequências e funções proteicas, sem qualquer anotação. Os autores descrevem estas entradas como a «matéria escura» das bases de dados de proteínas. A sua ferramenta, o ProtNLM (Protein Natural Language Model), é um modelo de aprendizagem profunda treinado para ler a «gramática» evolutiva das sequências de aminoácidos e prever a função de uma proteína diretamente a partir da sua sequência, sem necessidade de um parente próximo já conhecido. A Google afirma que o modelo acrescentou marcas funcionais de alta confiança a milhões de entradas da UniProt anteriormente sem designação.

No fluxo de trabalho descrito pela equipa, o investigador orienta a pesquisa e o agente faz o trabalho entre bases de dados. O agente recolhe estruturas da AlphaFold Database, e o cientista examina-as num visualizador 3D integrado no Antigravity, onde marcar uma região de uma proteína pode levar o agente a raciocinar sobre esse ponto exato. A Google apresenta a pista como «biologicamente plausível» e sustentada por provas estruturais e genómicas, mas ainda não comprovada. A atividade prevista não foi medida em laboratório.

Para as equipas de microbiologia, a mudança imediata está na fase inicial da pesquisa: menos semanas gastas a comparar bases de dados e mais candidatos analisados por sessão. Para os doentes, o benefício continua distante e o caminho é longo. Os autores não indicam data para os resultados laboratoriais, e nenhum candidato deste fluxo de trabalho foi ainda demonstrado como eficaz contra bactérias, muito menos em seres humanos. O próximo marco público é a validação laboratorial deste péptido.