Amazon Bio Discovery: três avanços de IA para projetar anticorpos do zero

Três avanços para acelerar a descoberta de anticorpos

Anticorpos monoclonais são um dos cavalos de batalha do desenvolvimento biofarmacêutico — mais de 100 medicamentos aprovados pelo FDA e caminhos regulatórios, de fabricação e clínicos já estabelecidos. Ainda assim, a descoberta convencional segue lenta: de seis a doze meses para ir de um alvo a um candidato líder. A aposta da IA é projetar e caracterizar anticorpos por computação, tornando o processo mais barato, rápido e flexível.

A equipe de ciência do Amazon Bio Discovery — aplicação que dá a cientistas acesso a modelos biológicos de IA e serviços integrados de laboratório — publicou três trabalhos que atacam os três fatores que decidem um medicamento baseado em anticorpo: qual o melhor sítio de ligação no alvo, quais candidatos se ligam com mais força e quais sobrevivem à fabricação e à clínica.

MochiBind: ranquear ligantes só pela sequência

A maioria dos preditores de afinidade é avaliada em antígenos que já apareceram no treinamento, contra conjuntos de teste com poucos não-ligantes — o que torna a avaliação mais fácil que a aplicação real. O problema prático é ranquear um conjunto de milhares de candidatos, a maioria dos quais nem se liga ao alvo. O MochiBind reformula a tarefa: em vez de prever um número absoluto, ele prevê qual de dois anticorpos contra o mesmo antígeno se liga com mais força.

A arquitetura usa o modelo de linguagem de proteínas ESM-2 para embutir os resíduos dos complexos anticorpo-antígeno, projeta esses embeddings num espaço de menor dimensão e prevê a força relativa de ligação pela diferença entre as projeções. As comparações pareadas são então agregadas numa classificação global usando o TrueSkill, algoritmo bayesiano originalmente criado para ranquear jogadores de videogame. Nenhuma entrada estrutural é necessária em qualquer etapa.

Nos testes, com o conjunto AlphaBind e protocolo estritamente cruzado entre antígenos (treinar em dois, validar num terceiro e testar no quarto), o MochiBind superou todas as linhas de base estruturais em acurácia pareada — quase 10% a mais que o concorrente mais próximo, em média. E pontuou 200 mil pares de anticorpos em cerca de 13 segundos numa CPU, uma aceleração de mais de 100x na inferência.

CA-MAP: prever propriedades em contexto

Proteínas que se ligam bem ao alvo, mas se aglomeram, degradam na corrente sanguínea ou provocam resposta imune, não são medicamentos seguros. O obstáculo para prever essas propriedades são os efeitos de lote: diferenças sistemáticas na forma como laboratórios diferentes conduzem experimentos, que geram desvios previsíveis na medição. Um modelo ajustado aos dados de um único laboratório herda silenciosamente esses desvios.

O CA-MAP (context-aware multiproperty antibody predictor) ataca isso durante a inferência: recebe um prompt com exemplos de anticorpos e suas propriedades medidas, seguido do anticorpo consultado e do nome da propriedade. Quando os exemplos vêm do mesmo laboratório, suas medidas capturam o desvio do lote — o contexto passa a carregar a informação necessária para corrigi-lo sem retreinar.

O detalhe de engenharia é a estratégia de treinamento AB-context-aware, que aplica uma transformação aleatória oculta tanto às propriedades do contexto quanto à resposta esperada, reamostrada a cada prompt. Como a transformação só pode ser recuperada a partir do contexto, o modelo é forçado a usá-lo. Com efeito de lote simulado, o ajuste fino padrão cai para uma correlação de 0,58, enquanto o modelo ciente de contexto permanece em 0,99. O CA-MAP tem cerca de 182 mil parâmetros treináveis — contra 40 milhões do TxGemma — e é cerca de 200x mais rápido por prompt.

Do design à bancada: nanobodies contra um câncer raro

O terceiro trabalho fecha o ciclo. Apresentado como Spotlight no workshop de IA generativa e agêntica para biologia do ICML 2026 (e premiado como vice-campeão de melhor artigo), ele projeta nanobodies do zero contra um alvo novo de câncer: um tumor pediátrico raro e agressivo, o desmoplastic small round-cell tumor. O alvo, identificado por colaboradores do Memorial Sloan Kettering por sequenciamento de espécimes de pacientes, não tem estrutura experimental nem anticorpos públicos conhecidos — sem molde para enxertar e sem campanha anterior para amadurecer.

Um agente de recomendação de hotspots orquestra sete ferramentas de bioinformática para escolher as regiões do antígeno a atacar, fundamentando cada recomendação em saídas determinísticas das ferramentas. Três modelos generativos com princípios distintos — RFantibody, IgGM e mBER — geraram 96 mil designs cada, pontuados por um agente de seleção com filtragem de Pareto multiobjetivo. Dos 100 mil candidatos priorizados, 116 sobreviveram às rodadas de triagem experimental e 46 foram confirmados como ligantes fortes — e nenhum se ligou a uma proteína de controle, indicando especificidade ao alvo.

Esses ligantes viram dados de treinamento para o ciclo seguinte, num fluxo lab-in-the-loop em que cada rodada de experimentos afia os modelos que propõem a próxima. A Amazon posiciona a capacidade de rodar esse ciclo como um diferencial, entregando métodos como MochiBind e CA-MAP aos clientes por meio do Amazon Bio Discovery.

Por que isso importa

O avanço ataca o custo real da descoberta de medicamentos: a distância entre prever em silício e validar no laboratório. Métodos que ranqueiam milhares de candidatos em segundos numa CPU e que corrigem vieses de laboratório sem retreino reduzem o número de experimentos necessários — e o ciclo de design validado experimentalmente contra um alvo nunca visto antes mostra que o pipeline funciona de ponta a ponta, não apenas em benchmarks internos.