OpenProtein.AI Abre Acesso a Ferramentas de IA para Design de Proteínas para Biólogos

OpenProtein.AI está tentando eliminar uma das principais barreiras na intersecção entre IA e biologia: modelos poderosos para trabalhar com proteínas já existem, mas para a maioria dos pesquisadores ainda são muito complexos de usar sem conhecimentos de aprendizado de máquina, acesso a GPU e uma equipe de engenharia separada. A startup foi fundada por Tristan Bepler, formado no MIT, e Tim Lu, ex-professor do MIT.

Sua ideia é simples: fornecer aos biólogos uma plataforma web sem código através da qual possam carregar seus próprios dados, executar modelos para engenharia de proteínas, prever a estrutura e função das moléculas, e treinar e ajustar modelos para tarefas específicas. A empresa já trabalha com organizações farmacêuticas e biotecnológicas de vários tamanhos, e fornece a plataforma gratuitamente para cientistas de ambientes acadêmicos. Essencialmente, não se trata de uma única ferramenta estreita, mas de um conjunto completo de trabalho para pesquisa, onde a IA se torna parte do processo laboratorial em vez de um experimento separado para cientistas de dados.

O histórico do projeto cresceu a partir do trabalho acadêmico de Bepler no MIT. Enquanto estudava em um programa de biologia computacional e sistemas sob a direção da Professora Bonnie Berger, ele trabalhou em uma questão que permanece central para todo o campo: como entender melhor a relação entre sequência de proteína, estrutura e função. Mesmo antes de AlphaFold aparecer, Bepler estava pesquisando como usar dados evolutivos para prever propriedades de proteínas, e finalmente chegou a um dos primeiros modelos generativos dessa classe — essencialmente um modelo de linguagem de proteína.

A lógica era não apenas prever a forma da molécula, mas passar mais rapidamente de sequência para entender o que essa proteína é capaz de fazer. Depois, após obter seu PhD em 2020, Bepler se juntou ao laboratório de Tim Lu como pós-doutorando. Lá se tornou especialmente claro o quão grande era a lacuna entre ferramentas de IA de ponta e as necessidades reais dos biólogos.

Os próprios modelos estavam ficando mais fortes, mas sua implementação exigia muita preparação técnica: você tinha que escrever código, configurar computações, montar bibliotecas de sequências, fazer ajuste fino e interpretação de resultados. OpenProtein.AI é construída como uma resposta exatamente a esse problema.

Em vez de forçar pesquisadores a se tornarem engenheiros de ML, a empresa esconde a complexidade na infraestrutura e deixa ao usuário uma interface compreensível e cenários de trabalho prontos.

O desenvolvimento proprietário chave da OpenProtein é o modelo PoET — Transformador Evolutivo de Proteína. Foi treinado em grupos de proteínas para que o modelo pudesse gerar sequências relacionadas e capturar restrições evolutivas que determinam propriedades moleculares. A empresa afirma que PoET pode generalizar tais restrições e aceitar novas informações sobre sequências sem retreinamento completo, o que é especialmente importante para laboratórios que constantemente recebem novos dados experimentais.

Os pesquisadores podem usar seus próprios dados para treinar modelos, otimizar sequências de proteínas e depois executar as variantes resultantes através de ferramentas de análise, preditores de estrutura e outras verificações in silico antes de passar para o trabalho em um laboratório úmido. Para quem precisa de acesso programático, a plataforma tem uma API, mas o cenário básico permanece sem código.

A empresa continua expandindo a plataforma. Em 2025, introduziu PoET-2 — uma nova versão do modelo de linguagem de proteína que, de acordo com OpenProtein, supera significativamente modelos muito maiores enquanto requer apenas uma fração dos recursos computacionais e dados experimentais. Este é um ponto importante não apenas em termos de qualidade, mas também em termos de custos de pesquisa: se modelos eficientes ficam mais leves, podem ser usados não apenas pelas maiores empresas farmacêuticas. Ao mesmo tempo, o grande negócio já está se envolvendo. Boehringer Ingelheim começou a usar a plataforma no início de 2025 e depois expandiu a colaboração com OpenProtein para tarefas relacionadas à engenharia de proteínas em terapia para câncer, doenças autoimunes e inflamatórias.

O próximo passo para a empresa é ensinar os modelos a trabalhar melhor não apenas com propriedades estáticas de proteínas, mas também com seu comportamento dinâmico. Trata-se de casos em que uma proteína deve participar simultaneamente em múltiplos mecanismos biológicos ou mudar de função após se ligar a outra molécula. Se tais cenários conseguirem ser descritos e projetados com a ajuda de IA, isso expandirá o leque de abordagens terapêuticas e tornará o design de sistemas biológicos notavelmente mais preciso.

O ponto principal dessa história é que o mercado está gradualmente se movendo de raros experimentos de IA customizados em biologia para infraestrutura mais acessível para trabalho de pesquisa cotidiano. Se OpenProtein.AI realmente conseguir manter um equilíbrio entre abertura, conveniência e qualidade de modelo, isso reduzirá a barreira de entrada para laboratórios, acelerará testes de hipóteses e encurtará o caminho do design computacional de proteínas para um candidato real para terapia ou aplicação industrial. E, talvez igualmente importante, evitará que as ferramentas de IA mais fortes fiquem presas apenas dentro de alguns poucos players principais.