AlphaFold 3 Abriu as Comportas. Agora a Corrida é pelo Primeiro Medicamento com IA Aprovado pelo FDA.

Quando a 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. Então a DeepMind lançou o AlphaFold 3 em maio de 2024, e o escopo mudou completamente.

O AlphaFold 3 não apenas prevê estruturas de proteínas. Ele modela interações proteína-ligante, complexos proteína-DNA, complexos proteína-RNA e ligação anticorpo-alvo simultaneamente. Para a descoberta de medicamentos, a diferença é enorme. Um medicamento não é projetado para se ligar a uma proteína isoladamente; precisa se ligar à conformação correta de uma proteína, na presença de moléculas concorrentes, sem atingir alvos secundários 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 à Pipeline

Várias empresas farmacêuticas já moveram alvos projetados pelo AlphaFold para programas clínicos ativos. A Moderna, a GSK e múltiplas startups de biotecnologia estão executando campanhas de descoberta que começam com previsões estruturais do AlphaFold 3, validam candidatos computacionalmente usando a geometria de ligação prevista e seguem para síntese apenas das moléculas mais bem classificadas. Isso inverte o fluxo de trabalho tradicional, que gera milhares de compostos químicos e os tria experimentalmente antes de qualquer filtragem computacional.

As implicações de tempo e custo são significativas. A descoberta de medicamentos em estágio inicial tradicional — 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 integradas ao AlphaFold relatam prazos de estágio inicial sendo comprimidos em 30 a 50 por cento. Isso não altera os requisitos dos ensaios clínicos de Fase 2 e Fase 3, mas acelera o ponto em que um composto entra em ensaios, o que muda a economia de todo o programa.

AlphaProteo do Google Vai Além

Em setembro de 2024, a DeepMind lançou o AlphaProteo — um sistema subsequente que não apenas prevê como as proteínas se ligam a ligantes, mas projeta novos ligantes proteicos para alvos especificados do zero. O sistema gerou ligantes proteicos para marcadores de câncer e receptores relacionados ao diabetes com afinidade de ligação superando 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 design de medicamentos biológicos impulsionado pela engenharia computacional de proteínas. Biológicos historicamente exigiam processos laboriosos de evolução laboratorial (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 laboratório úmido à validação, em vez de descoberta.

A Questão do FDA

O FDA ainda não aprovou um medicamento em que a IA foi o agente principal de design. Vários medicamentos desenvolvidos com ferramentas de descoberta assistidas por IA estão em ensaios em estágio avançado. A via regulatória para medicamentos projetados por IA está sendo ativamente desenvolvida; o FDA emitiu orientações sobre IA na fabricação de medicamentos e está realizando reuniões de pré-submissão com empresas que desejam incluir documentação de design de IA em seus pedidos de Novo Medicamento Investigacional.

Espera-se que o primeiro medicamento aprovado com contribuição significativa de IA para o design molecular esteja dentro dos próximos dois a três anos, com base nos cronogramas clínicos atuais. As alegações de "primeiro medicamento com IA" serão contestadas — a definição de "projetado por IA" é genuinamente incerta quando a IA auxilia a descoberta, mas humanos tomam decisões importantes de design. O que é inequívoco é que nenhum medicamento que chega ao mercado hoje foi possível sem ferramentas de IA na pipeline de descoberta.

A Infraestrutura de Dados por Trás do Avanço

O impacto do AlphaFold no campo vai além de suas previsões. A DeepMind lançou o banco de dados completo AlphaFold de Estruturas de Proteínas em 2022, fornecendo estruturas previstas para praticamente todas as proteínas conhecidas — aproximadamente 200 milhões de estruturas. Antes do AlphaFold, o Banco de Dados de Proteínas 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 risco de alvos secundários, 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 pode agora filtrar candidatos antes da síntese. O efeito é uma aceleração composta em que cada etapa da pipeline fica mais rápida simultaneamente.

O Que Vem Depois do AlphaFold

A fronteira atual não é uma previsão de estrutura melhor — o AlphaFold 3 já está próximo do limite do que métodos experimentais podem validar. A fronteira é a dinâmica: modelar como as proteínas se movem, flexionam e mudam de conformação quando se ligam a um medicamento. A função proteica é frequentemente impulsionada por mudança conformacional, em vez de estrutura estática, e os modelos atuais ainda representam proteínas como instantâneos estáticos.

Múltiplos 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 perde. Quando esses sistemas amadurecerem, o design de medicamentos passará de "encontrar uma molécula que se encaixa neste bolsão" para "encontrar uma molécula que desloca 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.