AlphaFold, cinco anos depois: ferramenta de estrutura de proteinas usada por mais de 3 milhoes de pesquisadores

Cinco anos depois de o sistema AlphaFold 2 resolver um problema que desafiou bilogos por meio seculo, o Google DeepMind publicou uma revisao de aniversario descrevendo como a ferramenta se espalhou pela comunidade cientifica global. Segundo a empresa, o AlphaFold e usado hoje por mais de 3 milhoes de pesquisadores em mais de 190 paises, incluindo mais de 1 milhao de usuarios em paises de baixa e media renda.

A ciencia por tras permanece relevante. Em 2020, o AlphaFold 2 venceu a competicao CASP 14 de previsao de estrutura de proteinas, resolvendo na pratica um desafio de 50 anos: prever a forma tridimensional de uma proteina a partir de sua sequencia de aminoacidos. O Banco de Dados de Estruturas de Proteinas AlphaFold, construido com o EMBL-EBI, ja liberou previsoes para mais de 200 milhoes de estruturas. O trabalho recebeu o Premio Nobel de Quimica de 2024.

“Segundo a empresa, o AlphaFold e usado hoje por mais de 3 milhoes de pesquisadores em mais de 190 paises, incluindo mais de 1 milhao de usuarios em paises de baixa e media renda.”

A DeepMind informa que o AlphaFold foi citado em mais de 35.000 artigos, com mais de 30 por cento dos estudos relacionados focados em doencas. A empresa destaca aplicacoes concretas, como conservacao de abelhas, pesquisa de doencas cardiacas envolvendo a proteina apoB100 e estudos de resiliencia de plantacoes, ilustrando alcance em medicina, agricultura e conservacao.

As ressalvas importam. O AlphaFold preve estruturas estaticas com pontuacoes de confianca, mas previsoes nao sao prova experimental, e o modelo e menos confiavel para algumas regioes desordenadas, complexos e dinamica molecular. O AlphaFold 3, lancado em 2024, estende previsoes a DNA, RNA e ligantes, mas seu codigo esta disponivel apenas para academicos, nao para uso comercial. Pesquisadores reforcam que previsoes ainda exigem validacao em laboratorio. Mesmo com esses limites, o historico de cinco anos mostra um padrao claro: uma ferramenta de IA que acelera o trabalho estrutural rotineiro, liberando cientistas para questoes mais dificeis.