Fabrício Mainenti
RedatorA IA já nos surpreendeu no campo da matemática e agora busca fazer o mesmo na química. Foi exatamente isso que a Anthropic alcançou ao colocar sua IA, o Claude, para trabalhar de forma autônoma por cerca de 48 horas na resolução de um problema clássico do desenvolvimento de medicamentos: o design de proteínas. Os resultados são promissores, embora abordem apenas uma parte do desafio.
"Claude, projete algumas proteínas para mim"
A Anthropic — que lançou recentemente o programa Claude Science — concedeu ao seu modelo de IA acesso à literatura científica, à internet e a recursos de hardware, bem como a diversos modelos especializados em design, sequenciamento e dobramento de proteínas.
O modelo analisou todos os dados para determinar a melhor abordagem para o design de cada proteína. Em seguida, gerou candidatos, otimizou-os, descartou os menos promissores e selecionou quais enviar ao laboratório para síntese — tudo isso operando de maneira totalmente autônoma.
Resultados promissores
As empresas farmacêuticas Adaptyv Bio e Twist Bioscience produziram fisicamente os designs propostos e verificaram se eles realmente cumpriam o objetivo. Dos 15 designs que geraram resultados válidos, o Claude Opus 4.8 e o Mythos Preview produziram com sucesso moléculas de ligação (binders) para 14 deles, resultando em 354 proteínas funcionais a partir de um conjunto de 1.320 designs.
Segundo esses testes, entre 22,6% e 35,1% dos candidatos funcionaram — uma taxa de sucesso significativamente superior aos 10% a 15% tipicamente observados na indústria, de acordo com a Anthropic.
O que é exatamente um "binder"?
Nesses experimentos, o objetivo não é criar um medicamento diretamente, mas sim encontrar proteínas capazes de se ligar com alta precisão a proteínas-alvo específicas — agindo como chaves que se encaixam em uma fechadura específica. Elas são conhecidas como "proteínas de ligação" ou binders.
Os pesquisadores selecionam várias proteínas-alvo — frequentemente ligadas a processos biológicos ou doenças — e tentam projetar binders que adiram fortemente a elas.
O sucesso nessa etapa pode abrir caminho para bloquear ou modificar a atividade do alvo e contribuir para o desenvolvimento de tratamentos; no entanto, encontrar um bom binder é apenas o primeiro passo — um binder ainda não é um medicamento.
Um maestro científico
O modelo não descobriu nada inédito por conta própria; em vez disso, atuou como um orquestrador de ferramentas científicas já existentes e utilizadas por pesquisadores. O sistema utilizou dados e ferramentas para formular soluções — uma capacidade significativa, visto que o Claude não precisa ser, ele próprio, um modelo especializado; basta que saiba qual ferramenta utilizar, quando usá-la e como conduzir o processo.
Houve sucessos e algumas falhas ocasionais
Em um experimento conhecido como RBX1, o Mythos Preview alcançou uma taxa de sucesso de 40% — em comparação com os 3,7% obtidos por participantes de uma competição organizada pela Adaptyv Bio — e seu melhor projeto superou os concorrentes em termos de afinidade.
O Opus 4.8 também gerou com sucesso vários ligantes direcionados ao TNF-α, uma proteína de grande interesse terapêutico que anteriormente havia desafiado diversos especialistas. No entanto, também ocorreram falhas: nenhum dos 90 projetos criados para visar a MBP resultou em um ligante confirmado.
Alguns dos "binders" criados pelos modelos de IA da Anthropic durante os experimentos.
Um segundo experimento revelador
Quando um químico sintetiza uma molécula, ele precisa verificar se realmente produziu a substância pretendida e determinar qual porcentagem da amostra consiste no composto correto. Esse processo envolve técnicas como RMN e LC-MS, que geram arquivos de dados brutos posteriormente processados por meio de softwares especializados.
A Anthropic forneceu esses arquivos ao Opus 5 e encarregou-o da análise; após apenas 20 minutos por técnica, o modelo calculou uma pureza de 96,4% — praticamente idêntica ao valor de 96,33% obtido em laboratório. Em suma, o Claude conseguiu automatizar uma tarefa analítica que, tipicamente, é tediosa e exige a expertise de um químico especializado.
Pesquisadores de IA
Essas conquistas sugerem que um modelo de IA pode atuar como um agente de pesquisa capaz de consultar literatura científica especializada e utilizar esses dados — em conjunto com softwares específicos — para determinar os próximos passos do processo de pesquisa.
Avançamos da matemática para o design e a criação de medicamentos; embora estejamos longe de afirmar que a IA pode projetar fármacos totalmente novos, o progresso da Anthropic com o Claude é notável.
Ver 0 Comentários