AlphaFold 2020 é um programa de inteligência artificial desenvolvido pela DeepMind, uma subsidiária da Alphabet, que prevê estruturas de proteínas a partir de sequências de aminoácidos usando técnicas de aprendizado profundo. Na 14ª Avaliação Crítica de Predição de Estrutura (CASP14), realizada em novembro de 2020, alcançou precisão sem precedentes, pontuando acima de 90 no teste global de distância (GDT) para aproximadamente dois terços das proteínas testadas, onde 100 representa uma correspondência completa com estruturas determinadas experimentalmente. Os resultados foram descritos como "impressionantes" e "transformadores" por pesquisadores, embora alguns tenham notado que a precisão permanecia insuficiente para um terço das previsões e que o mecanismo subjacente do dobramento de proteínas permanece não resolvido.
Histórico
As proteínas consistem em cadeias de aminoácidos que se dobram espontaneamente em estruturas tridimensionais (3-D), essenciais para a compreensão da função biológica. Métodos experimentais, como cristalografia de raios X, criomicroscopia eletrônica e ressonância magnética nuclear (RMN), são caros e demorados; ao longo de 60 anos, eles determinaram estruturas para cerca de 170.000 proteínas, enquanto mais de 200 milhões de proteínas conhecidas existem em todas as formas de vida. Métodos computacionais de predição, incluindo modelagem por homologia baseada em evolução molecular, alcançaram pontuações GDT de apenas cerca de 40 de 100 para as proteínas mais difíceis até 2016, conforme avaliado pelo CASP, que foi lançado em 1994 para desafiar a comunidade científica. O AlphaFold competiu pela primeira vez no CASP em 2018 usando uma abordagem de aprendizado profundo com IA.
Algoritmo
A DeepMind treinou o programa em mais de 170.000 estruturas de proteínas do Protein Data Bank, um repositório público de sequências e estruturas. O sistema usa uma forma de rede de atenção, uma técnica de aprendizado profundo que identifica partes de um problema maior e as monta em uma solução geral. O treinamento foi conduzido entre 100 e 200 GPUs.
AlphaFold 1 (2018)
O AlphaFold 1, que venceu o CASP13 em dezembro de 2018, baseou-se em trabalhos anteriores que analisavam grandes bancos de dados de sequências de proteínas relacionadas para encontrar mudanças correlacionadas em resíduos não consecutivos, sugerindo proximidade física. Ele estendeu isso estimando distribuições de probabilidade para distâncias entre resíduos, convertendo efetivamente mapas de contato em mapas de distância, e usou métodos de aprendizado mais avançados. O código não foi disponibilizado publicamente, exceto para execução em sequências do CASP.
AlphaFold 2 (2020)
A versão de 2020 difere significativamente de sua predecessora. O AlphaFold 1 usava módulos treinados separadamente combinados com um potencial de energia baseado em física; o AlphaFold 2 substituiu isso por sub-redes interconectadas formando um único modelo end-to-end diferenciável baseado em reconhecimento de padrões, treinado de maneira integrada. Após a convergência da rede neural, uma etapa final de refinamento aplica restrições físicas locais usando minimização de energia baseada no campo de força AMBER, que apenas ajusta ligeiramente a estrutura prevista. Os componentes principais incluem dois módulos, provavelmente baseados em um design transformer, que refinam progressivamente informações sobre relações entre resíduos de aminoácidos e entre posições e sequências no alinhamento de entrada. A inclusão de dados metagenômicos melhorou a qualidade do alinhamento de múltiplas sequências, e os dados de treinamento vieram do Big Fantastic Database, construído sob medida, com 65.983.866 famílias de proteínas, cobrindo 2.204.359.010 sequências de proteínas de bancos de dados de referência, metagenomas e metatranscriptomas.
Impacto e Reconhecimento
Os resultados do CASP14 do AlphaFold 2 foram amplamente reconhecidos. Em 15 de julho de 2021, o artigo foi publicado na Nature como uma publicação de acesso antecipado, juntamente com software de código aberto e um banco de dados pesquisável de proteomas de espécies. Em novembro de 2025, o artigo havia sido citado quase 43.000 vezes. Demis Hassabis e John Jumper compartilharam metade do Prêmio Nobel de Química de 2024 "pela predição de estrutura de proteínas", enquanto David Baker recebeu a outra metade "pelo design computacional de proteínas". Eles haviam vencido anteriormente o Breakthrough Prize em Ciências da Vida e o Prêmio Albert Lasker de Pesquisa Médica Básica em 2023. No entanto, alguns pesquisadores notaram que a precisão era insuficiente para um terço das previsões e que o programa não revelou as regras subjacentes do dobramento de proteínas, deixando o problema do dobramento de proteínas não resolvido.
Legado
O AlphaFold 3 foi anunciado em 8 de maio de 2024, capaz de prever estruturas de complexos formados por proteínas com DNA, RNA, ligantes e íons, mostrando uma melhoria mínima de 50% na precisão para interações de proteínas com outras moléculas em comparação com métodos existentes. Em 2026, o Google anunciou que a equipe do AlphaFold havia sido dissolvida, com a maioria dos membros realocada para trabalhar no Gemini e outros se mudando para a Isomorphic Labs ou deixando a empresa completamente. O avanço de 2020 permanece um marco nas aplicações de aprendizado de máquina à biologia, demonstrando o poder do aprendizado profundo na resolução de problemas científicos complexos.