Uma equipe da Universidade de Pequim, liderada por Yi Chenci, em colaboração com a equipe do professor Li Dali da Universidade Normal do Leste da China, apresentou um artigo inovador na revista Nature. Nele, descreveram o ContactSeek — um framework de inteligência artificial que utiliza a probabilidade de contato do AlphaFold3 para desenvolver sistematicamente ferramentas de edição genética com maior precisão.
Este trabalho marca a fusão da biologia estrutural baseada em IA e das tecnologias de edição de genoma. Os pesquisadores demonstraram como os modelos de previsão de estrutura de proteínas podem direcionar diretamente a criação de ferramentas terapêuticas.
O framework ContactSeek visa resolver um problema fundamental da edição base: manter uma alta atividade de edição no local alvo, ao mesmo tempo em que minimiza alterações indesejadas em outras regiões do genoma. Os editores base combinam a proteína Cas com uma desaminase, permitindo converter um par de nucleotídeos de DNA em outro sem a necessidade de criar quebras de fita dupla, tornando-os ferramentas importantes tanto para pesquisas fundamentais quanto para o desenvolvimento de terapia gênica.
No entanto, a aplicação clínica é limitada devido à edição fora do alvo, onde o editor altera regiões não intencionais do genoma. A equipe aplicou o modelo DeepMind AlphaFold3, que foi expandido para prever complexos proteína-ácido nucleico, para antecipar complexos trímeros DNA-RNA-proteína tanto nos locais alvo quanto nos locais fora do alvo, e realizar sua análise comparativa.
A principal descoberta foi que o valor mais significativo veio da probabilidade de contato, e não da própria previsão de estrutura. Essa probabilidade registra sensivelmente as mudanças causadas por mutações em um par de bases ou substituições de aminoácidos que poderiam ter sido negligenciadas na previsão de estruturas. Ao integrar essa probabilidade de contato com dados de sequenciamento de edição fora do alvo, o ContactSeek conseguiu identificar resíduos de aminoácidos chave tanto nas proteínas Cas quanto nas desaminases que determinam a especificidade da edição.
Com base neste framework, a equipe projetou uma série de novas variantes do Cas9 para editores base adenínicos. Essas variantes mantêm a edição eficaz no local alvo, ao mesmo tempo que reduzem significativamente a edição fora do alvo do DNA. As variantes obtidas representam uma nova geração de ferramentas de edição de alta precisão, com potencial para tratar doenças genéticas onde a precisão da edição é crítica, como anemia falciforme, beta-talassemia e certos distúrbios metabólicos hereditários.
Esta pesquisa abre uma nova paradigma no campo da engenharia de proteínas para edição genética. Em vez do método trabalhoso de mutagênese por tentativa e erro ou triagem em larga escala, o ContactSeek oferece um sistema preditivo baseado em IA que indica quais aminoácidos devem ser modificados para alcançar o resultado funcional desejado. Esta abordagem é aplicável não apenas à edição base, mas também a outras ferramentas de edição genômica, incluindo editores prime e sistemas CRISPR-Cas, onde a especificidade da interação proteína-ácido nucleico determina a segurança e eficácia da terapia. A publicação na Nature coloca as pesquisas chinesas em biologia estrutural e edição genética na vanguarda da engenharia de proteínas controlada por IA, demonstrando a transição dos modelos AlphaFold de previsão de estrutura para previsão funcional e projeto de ferramentas.
A startup chinesa Moonshot apresentou o modelo de inteligência artificial Kimi K3. De acordo com informações da empresa, este sistema é capaz de processar um volume significativamente maior de dados por solicitação.
O Kimi K3 foi desenvolvido para realizar tarefas que exigem pensamento avançado, programação complexa e operações intensivas.
Arthur Igreya explicou como o novo produto da Moonshot, Kimi K3, promete elevar o nível de desenvolvimento da inteligência artificial.
