A inteligência synthetic já está a provar que pode acelerar o desenvolvimento de medicamentos e melhorar a nossa compreensão das doenças. Mas para transformar a IA em tratamentos inovadores, precisamos de colocar os modelos mais recentes e poderosos nas mãos dos cientistas.
O problema é que a maioria dos cientistas não são especialistas em aprendizado de máquina. Agora, a empresa OpenProtein.AI está ajudando os cientistas a permanecerem na vanguarda da IA com uma plataforma sem código que lhes dá acesso a modelos básicos poderosos e um conjunto de ferramentas para projetar proteínas, prever a estrutura e função das proteínas e modelos de treinamento.
A empresa, fundada por Tristan Bepler PhD ’20 e ex-professor associado do MIT Tim Lu PhD ’07, já está equipando pesquisadores de empresas farmacêuticas e de biotecnologia de todos os tamanhos com suas ferramentas, incluindo modelos básicos desenvolvidos internamente para engenharia de proteínas. OpenProtein.AI também oferece sua plataforma gratuitamente para cientistas acadêmicos.
“Este é um momento realmente emocionante porque esses modelos podem não apenas tornar a engenharia de proteínas mais eficiente – o que encurta os ciclos de desenvolvimento para usos terapêuticos e industriais – mas também podem melhorar nossa capacidade de projetar novas proteínas com características específicas”, diz Bepler. “Também estamos pensando em aplicar essas abordagens a modalidades não proteicas. O panorama geral é que estamos criando uma linguagem para descrever sistemas biológicos.”
Avançando a biologia com IA
Bepler veio para o MIT em 2014 como parte do Programa de Doutorado em Biologia Computacional e de Sistemas, estudando com Bonnie Berger, Professora Simons de Matemática Aplicada do MIT. Foi lá que ele percebeu o quão pouco entendemos sobre as moléculas que constituem os blocos de construção da biologia.
“Não havíamos caracterizado biomoléculas e proteínas suficientemente bem para criar bons modelos preditivos do que, digamos, um circuito completo do genoma faria, ou como uma rede de interação de proteínas se comportaria”, lembra Bepler. “Isso me interessou em compreender as proteínas em um nível mais refinado.”
Bepler começou a explorar formas de prever as cadeias de aminoácidos que constituem as proteínas através da análise de dados evolutivos. Isso foi antes de o Google lançar o AlphaFold, um poderoso modelo de previsão da estrutura de proteínas. O trabalho levou a um dos primeiros modelos generativos de IA para compreender e projetar proteínas – o que a equipe chama de modelo de linguagem de proteínas.
“Fiquei realmente entusiasmado com a estrutura clássica das proteínas e as relações entre sua sequência, estrutura e função. Não entendemos bem essas ligações”, diz Bepler. “Então, como poderíamos usar esses modelos básicos para pular o componente ‘estrutura’ e ir direto da sequência para a função?”
Depois de obter seu doutorado em 2020, Bepler ingressou no laboratório de Lu no Departamento de Engenharia Biológica do MIT como pós-doutorado.
“Foi nessa época que a ideia de integrar a IA com a biologia estava começando a ganhar força”, lembra Lu. “Tristan nos ajudou a construir melhores modelos computacionais para projetos biológicos. Também percebemos que há uma desconexão entre as ferramentas mais avançadas disponíveis e os biólogos, que adorariam usar essas coisas, mas não sabem como codificar. O OpenProtein surgiu da ideia de ampliar o acesso a essas ferramentas.”
Bepler trabalhou na vanguarda da IA como parte de seu doutorado. Ele sabia que a tecnologia poderia ajudar os cientistas a acelerar o seu trabalho.
“Começamos com a ideia de construir uma plataforma de uso geral para fazer engenharia de proteínas com aprendizado de máquina em circuito fechado”, diz Bepler. “Queríamos construir algo que fosse fácil de usar porque as ideias de aprendizado de máquina são meio esotéricas. Elas exigem implementação, GPUs, ajuste fino, design de bibliotecas de sequências. Especialmente naquela época, period muito para os biólogos aprenderem.”
A plataforma OpenProtein, por outro lado, apresenta uma interface net intuitiva para biólogos fazerem add de dados e conduzirem trabalhos de engenharia de proteínas com aprendizado de máquina. Ele apresenta uma variedade de modelos de código aberto, incluindo PoET, o principal modelo de linguagem de proteínas do OpenProtein.
PoET, abreviação de Protein Evolutionary Transformer, foi treinado em grupos de proteínas para gerar conjuntos de proteínas relacionadas. Bepler e seus colaboradores mostraram que poderia generalizar sobre as restrições evolutivas nas proteínas e incorporar novas informações sobre sequências de proteínas sem retreinamento, permitindo que outros pesquisadores adicionassem dados experimentais para melhorar o modelo.
“Os pesquisadores podem usar seus próprios dados para treinar modelos e otimizar sequências de proteínas, e então podem usar nossas outras ferramentas para analisar essas proteínas”, diz Bepler. “As pessoas estão gerando bibliotecas de sequências de proteínas in silico (em computadores) e depois executando-as através de modelos preditivos para obter validação e preditores estruturais. É basicamente um front-end sem código, mas também temos APIs para pessoas que desejam acessá-lo com código.”
Os modelos ajudam os pesquisadores a projetar proteínas com mais rapidez e, em seguida, decidir quais são promissoras o suficiente para mais testes de laboratório. Os pesquisadores também podem inserir proteínas de interesse, e os modelos podem gerar novas com propriedades semelhantes.
Desde a sua fundação, a equipe da OpenProtein continuou a adicionar ferramentas à sua plataforma para pesquisadores, independentemente do tamanho do laboratório ou dos recursos.
“Tentamos muito fazer da plataforma uma caixa de ferramentas aberta”, diz Bepler. “Ele tem fluxos de trabalho específicos, mas não está vinculado especificamente a uma função proteica ou classe de proteínas. Uma das grandes vantagens desses modelos é que eles são muito bons no entendimento amplo das proteínas. Eles aprendem sobre todo o espaço de proteínas possíveis.”
Habilitando a próxima geração de terapias
A grande empresa farmacêutica Boehringer Ingelheim começou a usar a plataforma OpenProtein no início de 2025. Recentemente, as empresas anunciaram uma colaboração ampliada que verá a plataforma e os modelos da OpenProtein incorporados ao trabalho da Boehringer Ingelheim enquanto ela projeta proteínas para tratar doenças como câncer e doenças autoimunes ou inflamatórias.
No ano passado, a OpenProtein também lançou uma nova versão do seu modelo de linguagem de proteínas, PoET-2, que supera modelos muito maiores enquanto utiliza uma pequena fração dos recursos computacionais e dados experimentais.
“Queremos realmente resolver a questão de como descrevemos as proteínas”, diz Bepler. “Qual é a linguagem significativa e específica do domínio das restrições de proteína que usamos à medida que as geramos? Como podemos trazer mais restrições evolutivas? Como podemos descrever uma reação enzimática que uma proteína realiza de tal forma que um modelo possa gerar sequências para fazer essa reação?”
Seguindo em frente, os fundadores esperam criar modelos que levem em consideração a natureza mutável e interconectada da função das proteínas.
“A área que me entusiasma é ir além dos eventos de ligação de proteínas para usar esses modelos para prever e projetar características dinâmicas, onde a proteína tem que envolver dois, três ou quatro mecanismos biológicos ao mesmo tempo, ou mudar sua função após a ligação”, diz Lu, que atualmente atua como consultor na empresa.
À medida que o progresso na IA avança, a OpenProtein continua a ver como sua missão fornecer aos cientistas as melhores ferramentas para desenvolver novos tratamentos com mais rapidez.
“À medida que o trabalho se torna mais complexo, com abordagens que incorporam coisas como lógica proteica e terapias dinâmicas, os conjuntos de ferramentas experimentais existentes tornam-se limitantes”, diz Lu. “É realmente importante criar ecossistemas abertos em torno da IA e da biologia. Existe o risco de que os recursos da IA fiquem tão concentrados que o pesquisador médio não possa usá-los. O acesso aberto é muito importante para o progresso do campo científico.”