Isomorphic Labs cria motor de IA de nova geração para o desenho de medicamentos

A Isomorphic Labs, subsidiária do Google DeepMind, anunciou um motor de IA especializado no desenvolvimento de medicamentos, um sistema que especialistas já comparam ao que o AlphaFold se tornou para a biologia estrutural. A nova ferramenta é posicionada como um desenvolvimento proprietário da classe AlphaFold 4, mas voltado não à previsão de estruturas de proteínas, e sim à busca e otimização de moléculas terapêuticas. Se as promessas da empresa se confirmarem na prática, a indústria farmacêutica enfrenta uma das mudanças tecnológicas mais significativas das últimas décadas.

Para entender a dimensão, vale lembrar onde se concentra o principal risco na criação de um medicamento. O caminho entre a descoberta de um alvo biológico e o registro do remédio leva em média de 10 a 15 anos e custa bilhões de dólares. A etapa mais imprevisível é o desenvolvimento inicial: o momento em que cientistas tentam achar uma molécula que se ligue com precisão à proteína certa, não cause dano ao restante do organismo e ainda mantenha a atividade em condições biológicas reais. É aqui que a maioria das esperanças naufraga e recursos enormes são consumidos. O novo motor da Isomorphic Labs mira diretamente esse gargalo.

A tecnologia se baseia na modelagem das interações entre proteínas e ligantes, pequenas moléculas capazes de se acoplar a uma proteína e alterar seu comportamento. Os ligantes são a base da maioria dos medicamentos modernos. O problema é que prever como uma molécula específica se comportará ao lado de uma proteína específica é extremamente difícil: são estruturas tridimensionais dinâmicas, com milhares de configurações possíveis. Os métodos tradicionais, simulações físicas e triagem laboratorial, exigem meses de trabalho mesmo para bibliotecas de compostos relativamente pequenas. Segundo as informações disponíveis, o novo sistema da Isomorphic Labs consegue fazer esse trabalho com precisão sem precedentes e várias ordens de grandeza mais rápido.

A ligação com o legado do AlphaFold não é casual nem metafórica. O AlphaFold 2, apresentado em 2020, resolveu um problema com o qual a biologia lutava havia meio século: prever a estrutura tridimensional de uma proteína a partir de sua sequência de aminoácidos. Isso abriu caminho para compreender milhões de proteínas cuja estrutura era até então desconhecida. O novo motor da Isomorphic Labs dá o próximo passo lógico: conhecendo a estrutura da proteína-alvo, o sistema aprende não só a descrevê-la, mas a procurar ativamente moléculas capazes de interagir com ela da maneira desejada. Em essência, é a passagem de mapear o mundo molecular para construí-lo de forma deliberada.

Para a indústria farmacêutica, as consequências podem ser bastante palpáveis. Grandes nomes como Eli Lilly, Novartis e Roche já investiram valores expressivos em parcerias com empresas que usam IA para acelerar o desenvolvimento. A Isomorphic Labs, por sua vez, fechou em 2023 contratos com várias gigantes farmacêuticas que somam mais de um bilhão de dólares. O novo motor deve servir de base tecnológica para essas parcerias, transformando as promessas abstratas da farmacêutica com IA em moléculas candidatas concretas. Também é revelador que a empresa mantenha a tecnologia deliberadamente proprietária, ao contrário do AlphaFold, que foi aberto à comunidade científica. É um sinal de que a DeepMind enxerga nessa ferramenta uma arma comercial real, não uma contribuição acadêmica.

Ainda assim, restam dúvidas entre os especialistas. A distância entre os resultados de laboratório dos sistemas de IA e sua eficácia real em ensaios clínicos continua grande. A história da farmacêutica registra muitos casos em que moléculas candidatas promissoras fracassaram em fases avançadas por efeitos colaterais imprevistos ou biodisponibilidade insuficiente. Até que ponto o novo motor consegue levar em conta toda essa complexidade biológica é algo que só a prática responderá.

Mesmo assim, o rumo geral não está em dúvida. A Isomorphic Labs aposta que a farmacêutica do futuro é, antes de tudo, um problema computacional, e que uma rede neural bem treinada pode detectar padrões nas interações moleculares onde a intuição humana há muito empacou. Se o novo motor realmente encurtar o ciclo de desenvolvimento pelo menos pela metade, o efeito econômico e humanitário será enorme: dezenas de doenças para as quais hoje não há medicamentos eficazes poderão ganhar tratamento bem antes do que preveem as projeções atuais.