Um laboratório da Universidade da Pensilvânia está usando os modelos da OpenAI — Codex e ChatGPT — para vasculhar genomas de organismos vivos e extintos em busca de novas moléculas antimicrobianas. O trabalho, liderado pelo bioengenheiro César de la Fuente, ataca um dos problemas de saúde pública que mais avançam no mundo: as infecções resistentes a antibióticos. A colaboração foi detalhada em um post de pesquisa da OpenAI que mostra como modelos de fronteira estão sendo incorporados a fluxos reais de descoberta de medicamentos.
O problema: um pipeline farmacêutico estagnado
Infecções resistentes a antibióticos estão entre as ameaças de saúde pública que mais crescem no planeta. Enquanto isso, o pipeline da indústria farmacêutica para novos antibióticos está fino há duas décadas — a economia da categoria é punitiva, com margens baixas para medicamentos que, por definição, devem ser usados com moderação. Telas computacionais que ampliam o espaço de busca e encurtam o caminho entre hipótese e candidato são uma das poucas alavancas disponíveis para os pesquisadores.
De la Fuente define a resistência antimicrobiana como “uma das maiores ameaças existenciais à humanidade”. Seu laboratório trata a biologia como informação: as letras do DNA e os aminoácidos que formam proteínas funcionam como um alfabeto, e modelos de aprendizado profundo podem reconhecer padrões nesses dados para identificar moléculas funcionais.
Como a IA entra no fluxo
O laboratório há anos minera os proteomas de organismos vivos em busca de peptídeos “criptografados” com atividade antimicrobiana. A novidade é o papel dos modelos de linguagem. O Codex gera e refina os pipelines que filtram bilhões de sequências candidatas até uma lista curta tratável. O ChatGPT atua na camada de raciocínio por cima: explica por que um candidato pontuou de determinada forma, sinaliza motivos estruturais e ajuda os pesquisadores a decidir o que sintetizar em seguida.
O ganho é de velocidade. Um pesquisador que consegue descrever em inglês o filtro que deseja recebe código funcional em minutos, não em dias — e pode iterar a triagem conforme novas hipóteses surgem. É um caso de uso diferente do que domina a cobertura de IA generativa em biologia: em vez de treinar um modelo de design de proteínas do zero, o laboratório compõe ferramentas de prateleira em torno de um pipeline específico de domínio.
O diferencial: genomas de espécies extintas
O aspecto mais distintivo do trabalho é a extensão da busca a espécies extintas, incluindo moléculas reconstruídas a partir de sequências de neandertais e mamutes. Sequências de organismos que não existem mais ampliam o espaço biológico de busca para além do que a evolução produz atualmente — e alguns peptídeos recuperados de DNA antigo já mostraram atividade contra patógenos modernos em ensaios de laboratório. Os modelos de linguagem tornam essa busca viável ao automatizar a anotação, a comparação e a priorização de sequências — etapas que, manualmente, consumiriam boa parte da semana de um estudante de pós-graduação.
Por que isso importa agora
A distinção é relevante para uma questão maior: quanto da pesquisa de fronteira pode ser acelerada por ferramentas construídas para engenheiros de software e trabalhadores do conhecimento. Se um laboratório que caça antibióticos consegue ganhos significativos com os mesmos modelos que uma startup usa para lançar um aplicativo, a curva de difusão da IA nas ciências é mais inclinada do que a narrativa das “ferramentas especializadas” sugere.
O histórico do grupo dá peso à história: trabalhos anteriores já produziram candidatos antimicrobianos que avançaram a testes pré-clínicos, com publicações em periódicos como Cell e Nature Biomedical Engineering. Ainda assim, as ressalvas valem para qualquer fluxo de descoberta assistida por IA: candidatos que pontuam bem computacionalmente ainda precisam sobreviver à síntese, aos ensaios in vitro, às telas de toxicidade e aos estudos em animais antes de qualquer aplicação clínica. Os modelos também podem “alucinar” plausibilidade biológica com a mesma facilidade com que alucinam citações — por isso o laboratório mantém o ciclo de laboratório úmido estreitamente acoplado ao computacional.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
