Notícia

Engenharia de enzimas com Inteligência Artificial poderia acelerar transição para bioeconomia circular

Fonte

Universidade Aalto

Data

sexta-feira, 7 abril 2023 18:05

Áreas

Bioeconomia. Biologia. Biotecnologia. Economia. Economia Circular. Energia. Inteligência Artificial. Microbiologia. Química Verde. Sustentabilidade. Tecnologias.

As enzimas são os catalisadores biológicos de todos os seres vivos. Elas já são amplamente utilizadas em processos biotecnológicos industriais, como na produção de bioetanol, drogas como antibióticos ou na fabricação de bioplásticos. No entanto, os sistemas biológicos evoluíram para maximizar sua capacidade de sobrevivência, em vez de seu valor industrial. O potencial da diversidade biológica ainda está longe de ser totalmente utilizado.

“A biologia sintética permite a bioengenharia inteligente, que deverá aumentar em importância e substituir muitos processos atuais baseados em matérias-primas fósseis no futuro”, disse a Dra. Merja Penttilä, professora pesquisadora do Centro de Pesquisa Técnica da Finlândia (VTT) e professora da Universidade Aalto, na Finlândia. ‘Podemos projetar novas células para produzir basicamente qualquer produto útil, e as enzimas são peças-chave para que isso aconteça.’

A Dra. Merja Penttilä lidera o projeto de pesquisa BioDesign juntamente com o Dr. Samuel Kaski, professor da Universidade Aalto, que também é diretor do Centro Finlandês de Inteligência Artificial (FCAI). O projeto recebeu recentemente quase dois milhões de euros (cerca de R$ 11 milhões) em financiamento da Fundação Jane e Aatos Erkko para fornecer soluções para o desafio de personalizar enzimas, incluindo a criação de novas proteínas.

As proteínas são os principais condutores da atividade celular e, portanto, um importante alvo de pesquisa. O AlphaFold-2 do Google ganhou as manchetes em 2022 quando demonstrou que a estrutura 3D de quase qualquer proteína pode ser prevista com alta precisão, resolvendo assim um dos problemas em aberto mais antigos da bioinformática, o problema do dobramento de proteínas. No entanto, ainda há muito trabalho para descobrir e projetar proteínas que possam servir como enzimas com funções ou propriedades desejadas.

“Nosso objetivo é criar enzimas totalmente novas que sejam capazes de transcender os princípios evolutivos naturais e maximizar sua utilidade industrial. Se tivermos sucesso, revolucionaremos as possibilidades de transição de uma economia baseada em fósseis para uma bioeconomia circular”, destacou a Dra. Merja Penttilä.

Desbloqueando todo o potencial de enzimas personalizadas

O projeto BioDesign está reunindo cientistas de Biologia Molecular, Biologia Sintética, Aprendizado de Máquina e Ciência da Computação para trabalhar em um modelo probabilístico de próxima geração que aprende ativamente e é orientado por insights de especialistas.

“Modelos generativos, como o ChatGPT e o Stable Diffusion, abriram oportunidades sem precedentes para aplicativos de texto e visuais. Mesmo que nosso projeto não tenha um público tão amplo, acreditamos que seu impacto potencial pode ser igualmente transformador”, disse o Dr. Vikas Garg, professor do Departamento de Ciência da Computação da Universidade Aalto.

A pesquisa do Dr. Vikas Garg se concentrou na criação de modelos de aprendizado de máquina que poderiam ajudar a descobrir novas proteínas e moléculas com as propriedades desejadas, ou o que é chamado de problema inverso de dobramento de proteínas. Em 2018, o pesquisador e seus colegas do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do Instituto de Tecnologia de Massachusetts (MIT), nos Estados Unidos, foram os primeiros a introduzir um modelo graph-based de aprendizado profundo para gerar novas sequências de proteínas que poderiam se dobrar em uma determinada estrutura de proteína 3D.

Mais recentemente, já na Universidade Aalto, o professor Garg tem trabalhado em estreita colaboração com o professor Samuel Kaski desenvolvendo um modelo generativo para criar novas moléculas candidatas que se assemelham às suas contrapartes do mundo real. Também recentemente, o professor fez incursões no desenvolvimento de proteínas e moléculas com funcionalidades de design.

“Podemos querer projetar baterias com melhor eficiência, mas com requisitos de energia mais baixos e pegadas de carbono menores. No entanto, nem sempre é possível segregar perfeitamente esses fatores. Demos um passo importante para lidar com esse problema em um de nossos artigos recentes, aprendendo a desvendar e representar interdependências complexas enquanto desvendamos os fatores”, disse o Dr. Vikas Garg.

Acesse a notícia completa na página da Universidade Aalto (em inglês).

Fonte: Universidade Aalto. Imagem: DCStudio via Freepik.