Olá, aqui é o seu guia das tendências que estão moldando o futuro imediato. Peguei emprestado o título de Sting para falar sobre código aberto. Embora tenha colocado "alguém" em vez de "alguma coisa", Sting a escreveu em 1985 para se livrar de outra música que havia escrito dois anos antes , Every Breath You Take , que parece ter sido escrita por um perseguidor. Daí o seu “antídoto” – nas próprias palavras de Sting – Se você ama alguém, liberte-o, se você ama alguém, liberte-o. Ou se você ama alguma coisa, acrescento. Algo como um código, um arcano matemático, uma fórmula secreta que pode facilitar a vida das pessoas.
Por enquanto, a grande contribuição da inteligência artificial (IA) para a ciência continua a ser o AlphaFold, um sistema do Google DeepMind que prevê a forma tridimensional das proteínas com base na sua sequência de aminoácidos. Calma, vou explicar isso.
Uma proteína típica é um colar de 300 contas. Cada conta pode ser de vinte tipos, os vinte aminoácidos diferentes que constituem qualquer proteína. Alguns aminoácidos têm carga elétrica positiva e outros negativa, alguns gostam de água e outros não, há outros maiores e outros menores. Essas afinidades eletivas fazem com que a proteína adote uma forma tridimensional específica, essencial para sua função.
Quando trabalhei em laboratórios, determinar a forma de uma única proteína poderia ser tema de uma tese de doutorado, e até recentemente ainda era uma tarefa cansativa. Em 2022, AlphaFold previu a estrutura de 200 milhões de proteínas de uma só vez, como se tivesse escrito 200 milhões de teses de doutorado antes do café da manhã. Dois pesquisadores da DeepMind, John Jumper e Demis Hassabis, receberam o Prêmio Nobel de Química no mês passado por isso .
Nos dois anos desde essa façanha, a DeepMind aperfeiçoou seu sistema de IA. A versão mais recente, AlphaFold3, não só prevê a forma das proteínas, mas também a sua interação com DNA, RNA e outras proteínas. O artigo científico foi publicado na revista Nature em 8 de maio , assinado entre outros por Jumper e Hassabis, quando ainda não tinham recebido o Prémio Nobel, e foi aclamado por investigadores independentes como uma ferramenta poderosa para o desenvolvimento de novos medicamentos. Mas surgiu imediatamente um problema.
A política editorial da Nature é que o código computacional, como qualquer outra informação necessária para replicar os resultados dos autores, seja disponibilizado à comunidade científica no mesmo momento em que o artigo é publicado em suas páginas. Esta é a regra essencial da publicação científica: que os autores forneçam todos os dados que permitam a outro pesquisador reproduzir os resultados. É um princípio muito importante, porque o que é irreproduzível não é a ciência, mas o boato.
E Jumper, Hassabis e os outros não revelaram o código. Eles publicaram o que os especialistas chamam de “pseudocódigo”, que é uma receita aproximada para as etapas que um programa executa, e forneceram um link para um portal que permitia algumas previsões bastante rudimentares. Mas eles não publicaram o código. Isto deu origem a uma carta aberta de 650 cientistas que a própria Nature teve de publicar , e onde não só a DeepMind, mas também a revista, foi criticada por não ter cumprido os seus próprios códigos deontológicos.
As empresas de tecnologia são obcecadas pelo sigilo industrial, a ponto de seus funcionários terem que assinar contratos de confidencialidade, como se fossem atores de um filme da Disney. Nem a DeepMind nem certamente o Google, seu proprietário, estão interessados em informar a concorrência sobre os meandros de seu comércio. Mas o código da AlphaFold é algo muito maior do que essas dúvidas corporativas. É muito valioso para a ciência.
O problema foi resolvido seis meses depois . A DeepMind publicou o código AlphaFold3 no GitHub , um repositório de códigos, e também fornecerá os “pesos” aos pesquisadores que os solicitarem. Um sistema de IA é uma rede de neurônios artificiais que se comunicam entre si. Ele deve ser treinado em um problema específico, como prever o formato das proteínas, e o resultado desse aprendizado é que os neurônios modificam a força (“peso”) de certas conexões em detrimento de outras. Esses pesos permitirão, portanto, que os cientistas usem o modelo AlphaFold3 já treinado.
É uma excelente notícia para o avanço da biologia e da pesquisa biomédica, então você sabe: se você ama alguma coisa, liberte-a. |
