AlphaFold 3 abriu as comportas. Agora a corrida é pelo primeiro medicamento com IA aprovado pela FDA.

Quando o DeepMind lançou o AlphaFold 2 em 2020, resolveu um problema de 50 anos da biologia computacional: prever a estrutura tridimensional de uma proteína a partir de sua sequência de aminoácidos. A comunidade científica celebrou como uma das ferramentas de pesquisa mais importantes já criadas. Aí o DeepMind soltou o AlphaFold 3 em maio de 2024, e o jogo mudou completamente.

O AlphaFold 3 não se limita a prever estruturas de proteínas. Ele modela interações proteína-ligante, complexos proteína-DNA, proteína-RNA e a ligação anticorpo-alvo — tudo ao mesmo tempo. Para descoberta de medicamentos, a diferença é enorme. Um remédio não é feito para se ligar a uma proteína isolada; precisa se ligar à conformação certa da proteína, na presença de moléculas concorrentes, sem acertar alvos errados que causam efeitos colaterais. O AlphaFold 3 modela esse contexto molecular completo. Sua precisão na previsão de ligação anticorpo-alvo melhorou 50% em relação aos métodos anteriores.

Da previsão ao pipeline

Diversas empresas farmacêuticas já colocaram alvos desenhados pelo AlphaFold em programas clínicos ativos. Moderna, GSK e várias startups de biotecnologia estão rodando campanhas de descoberta que começam com previsões estruturais do AlphaFold 3, validam candidatos computacionalmente usando a geometria de ligação prevista e só partem para a síntese das moléculas mais bem classificadas. Isso inverte o fluxo de trabalho tradicional, que gera milhares de compostos químicos e os testa experimentalmente antes de qualquer filtragem computacional.

As implicações de tempo e custo são significativas. A descoberta de medicamentos em estágio inicial — identificar um alvo promissor e chegar a um candidato clínico — normalmente leva de cinco a sete anos e custa centenas de milhões de dólares. Os primeiros adotantes de pipelines integrados ao AlphaFold relatam uma compressão de 30% a 50% nos prazos iniciais. Isso não muda os requisitos dos ensaios clínicos de Fase 2 e Fase 3, mas acelera o ponto em que um composto entra em testes, o que altera a economia de todo o programa.

O AlphaProteo do Google vai além

Em setembro de 2024, o DeepMind lançou o AlphaProteo — um sistema sucessor que não apenas prevê como proteínas se ligam a ligantes, mas desenha do zero novos ligantes proteicos para alvos específicos. O sistema gerou ligantes proteicos para marcadores de câncer e receptores relacionados ao diabetes com afinidade de ligação superior à de candidatos a medicamentos existentes em vários casos de teste.

O AlphaProteo representa uma mudança qualitativa: em vez de trabalhar com medicamentos de moléculas pequenas derivados da química, ele permite o desenho de fármacos biológicos impulsionado pela engenharia computacional de proteínas. Os biológicos historicamente exigiam processos laboriosos de evolução em laboratório (rodadas iterativas de mutação e seleção) para melhorar a afinidade de ligação. O AlphaProteo pode propor ligantes de alta afinidade computacionalmente, reduzindo o trabalho de bancada à validação, e não à descoberta.

A questão da FDA

A FDA ainda não aprovou um medicamento em que a IA foi o principal agente de design. Vários remédios desenvolvidos com ferramentas de descoberta assistidas por IA estão em ensaios de fase final. O caminho regulatório para medicamentos desenhados por IA está sendo ativamente desenvolvido; a FDA emitiu diretrizes sobre o uso de IA na fabricação de remédios e está realizando reuniões de pré-submissão com empresas que querem incluir documentação de design de IA em seus pedidos de Novo Medicamento Investigacional.

O primeiro medicamento aprovado com contribuição significativa de IA no design molecular é esperado nos próximos dois ou três anos, com base nos cronogramas clínicos atuais. As alegações de "primeiro medicamento com IA" serão contestadas — a definição de "desenhado por IA" é realmente vaga quando a IA auxilia a descoberta, mas os humanos tomam as principais decisões de design. O que é inequívoco é que nenhum medicamento que chega ao mercado hoje foi possível sem ferramentas de IA no pipeline de descoberta.

A infraestrutura de dados por trás do avanço

O impacto do AlphaFold no campo vai além de suas previsões. O DeepMind lançou o banco de dados completo de estruturas de proteínas do AlphaFold em 2022, fornecendo estruturas previstas para praticamente todas as proteínas conhecidas — aproximadamente 200 milhões de estruturas. Antes do AlphaFold, o Protein Data Bank continha cerca de 170 mil estruturas determinadas experimentalmente, acumuladas ao longo de 50 anos.

Essa disponibilidade de dados permitiu uma segunda onda de aplicações de IA: previsão de sítios de ligação, triagem de riscos de alvos indesejados, previsão de propriedades ADMET (absorção, distribuição, metabolismo, excreção, toxicidade). Cada uma dessas etapas historicamente exigia ensaios experimentais caros; a triagem computacional usando estruturas do AlphaFold agora pode filtrar candidatos antes da síntese. O efeito é uma aceleração composta, em que cada estágio do pipeline fica mais rápido simultaneamente.

O que vem depois do AlphaFold

A fronteira atual não é uma previsão melhor de estruturas — o AlphaFold 3 já está próximo do limite do que os métodos experimentais podem validar. A fronteira é a dinâmica: modelar como as proteínas se movem, se flexionam e mudam de conformação ao se ligarem a um medicamento. A função das proteínas é frequentemente impulsionada por mudanças conformacionais, e não por estruturas estáticas, e os modelos atuais ainda representam proteínas como instantâneos estáticos.

Vários grupos acadêmicos e startups estão trabalhando em modelos de dinâmica molecular treinados em grandes conjuntos de dados de simulação, com o objetivo de capturar o comportamento dependente do tempo que a previsão de estrutura estática não captura. Quando esses sistemas amadurecerem, o design de medicamentos passará de "encontrar uma molécula que se encaixe nessa cavidade" para "encontrar uma molécula que desloque essa proteína entre estados" — um problema de design fundamentalmente diferente e mais completo. O AlphaFold tornou a versão estática tratável. A versão dinâmica é o desafio da próxima década.