IA em Foco

Tag: AlphaFold

  • Nobel da Química John Jumper deixa o Google DeepMind e vai para a Anthropic

    Nobel da Química John Jumper deixa o Google DeepMind e vai para a Anthropic

    O mundo da inteligência artificial acaba de presenciar uma das movimentações de talentos mais significativas dos últimos anos. John Jumper, que dividiu o Prêmio Nobel de Química de 2024 com Demis Hassabis pelo desenvolvimento do AlphaFold, anunciou nesta sexta-feira (20) que está deixando o Google DeepMind após quase 9 anos para se juntar à rival Anthropic.

    Em uma publicação no X (antigo Twitter), Jumper expressou gratidão a Hassabis e à equipe do DeepMind:

    “Demis Hassabis arriscou de verdade ao me deixar liderar a equipe do AlphaFold apenas seis meses depois que terminei meu PhD, e toda a equipe do GDM me ensinou muito sobre como fazer ciência de verdade.”

    Ele acrescentou que o DeepMind “é um lugar especial” e que continuará animado para saber das descobertas incríveis que eles farão no futuro.

    O cérebro por trás do AlphaFold

    Jumper e Hassabis conquistaram o Nobel de Química em 2024 pelo trabalho revolucionário com o AlphaFold, um modelo de inteligência artificial capaz de prever a estrutura tridimensional de proteínas a partir de suas sequências genéticas. A ferramenta resolveu um desafio de 50 anos na biologia estrutural e acelerou drasticamente pesquisas em áreas como desenvolvimento de medicamentos e compreensão de doenças.

    Segundo a Bloomberg, Jumper também era peça-chave na equipe do Google que desenvolve ferramentas de codificação com IA — produtos que a empresa tem encontrado dificuldades para vender para o setor corporativo.

    Êxodo de talentos no DeepMind

    Jumper não é o único grande nome deixando o Google DeepMind esta semana. Noam Shazeer, cofundador da Character AI, também anunciou sua saída — mas, no caso dele, o destino é a OpenAI.

    As saídas simultâneas de dois pesquisadores de altíssimo calibre levantam questões sobre o momento atual do DeepMind e a capacidade da empresa de reter talentos em um mercado cada vez mais competitivo. A Anthropic, fundada em 2021 por ex-funcionários da OpenAI, tem se posicionado como um dos principais polos de pesquisa em segurança de IA, com foco em desenvolver sistemas confiáveis e alinhados com valores humanos.

    A chegada de um Nobel laureate como Jumper reforça a ambição da Anthropic de competir de igual para igual com OpenAI, Google e Meta na corrida pela inteligência artificial de ponta.

  • Isomorphic Labs, spinoff da DeepMind, avança para testes humanos com medicamentos desenvolvidos por IA

    A startup britânica Isomorphic Labs, derivada da Google DeepMind, está prestes a iniciar os primeiros testes clínicos em humanos com medicamentos projetados por sua tecnologia de inteligência artificial vencedora do Prêmio Nobel. A informação foi divulgada por Max Jaderberg, presidente da empresa, durante o evento WIRED Health, em Londres, no dia 16 de abril de 2026.

    Da previsão de estruturas proteicas à descoberta de medicamentos

    Isomorphic Labs utiliza a plataforma AlphaFold, desenvolvida pela DeepMind, que revolucionou a biologia molecular ao prever com alta precisão a estrutura tridimensional de proteínas. Antes do AlphaFold, a previsão dessas estruturas era um processo lento e complexo, devido à enorme variedade de conformações possíveis para cadeias de aminoácidos.

    Imagem relacionada ao artigo de Wired AI
    Imagem de apoio da materia original.

    Desde sua primeira versão em 2020, o AlphaFold já foi capaz de prever estruturas para praticamente todas as 200 milhões de proteínas conhecidas, sendo acessado por mais de 2 milhões de usuários em 190 países. Em 2024, a DeepMind e a Isomorphic Labs lançaram o AlphaFold 3, que ampliou a capacidade de modelagem para outras moléculas importantes, como DNA e RNA, e suas interações com proteínas – um avanço fundamental para a descoberta de novos medicamentos.

    IsoDDE: a próxima geração em design de fármacos

    Além do AlphaFold 3, Isomorphic Labs desenvolveu o IsoDDE, um motor proprietário de design de medicamentos que, segundo a empresa, dobra a precisão da geração de moléculas em relação à versão anterior. Essa tecnologia permite projetar moléculas altamente potentes, que podem ser administradas em doses menores, reduzindo efeitos colaterais e interações indesejadas.

    Parcerias estratégicas e pipeline promissor

    Para acelerar o desenvolvimento clínico, a startup firmou parcerias com grandes farmacêuticas globais, como Eli Lilly e Novartis. Segundo Jaderberg, a Isomorphic Labs mantém uma “pipeline ampla e empolgante” de medicamentos em áreas como oncologia e imunologia.

    Em 2025, a empresa levantou US$ 600 milhões em sua primeira rodada de investimentos para financiar os estudos clínicos e estruturou uma equipe dedicada ao desenvolvimento clínico, incluindo a contratação de um diretor médico.

    Expectativas e desafios dos testes clínicos

    Embora inicialmente a empresa tenha previsto iniciar os testes humanos ainda em 2025, a data foi postergada para 2026. Jaderberg destacou a importância desse momento para validar a eficácia das moléculas projetadas pela IA, que até então haviam sido avaliadas apenas in vitro e em modelos computacionais.

    A missão declarada da Isomorphic Labs é ambiciosa: “resolver todas as doenças”. Apesar do desafio, a empresa acredita que a integração da inteligência artificial no desenvolvimento farmacêutico pode revolucionar a medicina, tornando os tratamentos mais eficazes, seguros e acessíveis.

    Contexto do prêmio Nobel e impacto científico

    O impacto do AlphaFold foi reconhecido com o Prêmio Nobel de Química de 2024, concedido a Demis Hassabis e John Jumper. O comitê destacou que a tecnologia possibilitou avanços em diversas áreas, desde o entendimento da resistência a antibióticos até o desenvolvimento de enzimas para decompor plásticos.

    Links úteis

  • Inteligência Artificial e Biologia: Um Novo Horizonte para Saúde e Medicina

    A revolução da IA na biologia e medicina

    A inteligência artificial (IA) está impulsionando uma nova era de descobertas científicas no campo da biologia e da medicina. A complexidade dos sistemas biológicos, que envolve uma rede imensa de interações moleculares, celulares e sistêmicas, sempre desafiou o avanço médico tradicional. Agora, graças a modelos de IA avançados, pesquisadores conseguem organizar e interpretar essas complexidades em escalas que superam a capacidade cognitiva humana.

    Principais lançamentos e tecnologias em destaque

    Um dos avanços mais notórios é o AlphaFold, modelo de IA premiado com o Nobel de Química em 2024, que prevê estruturas e interações de proteínas com rapidez e precisão inéditas. O AlphaFold revolucionou o estudo das proteínas, reduzindo o tempo de análise de semanas ou anos para apenas horas ou dias.

    Imagem relacionada ao artigo de The Conversation AI
    Imagem de apoio da materia original.

    Além disso, o AlphaGenome, também desenvolvido pela Google DeepMind, permite que pesquisadores prevejam rapidamente como variantes genéticas influenciam paisagens genéticas associadas a doenças e disfunções. Essas tecnologias já estão sendo aplicadas em pesquisas sobre câncer, Alzheimer e resposta a pandemias.

    Quem pode usar e como acessar

    Pesquisadores e profissionais da saúde que trabalham com genética, biologia molecular, farmacologia e áreas correlatas podem se beneficiar diretamente dessas ferramentas. Embora algumas soluções estejam disponíveis por meio de parcerias institucionais, outras plataformas, como o AlphaFold, oferecem acesso público online para consultas e análises, democratizando o uso da IA na pesquisa biomédica.

    Impacto prático para o leitor e a saúde pública

    O uso da IA tem potencial para acelerar a descoberta de medicamentos, otimizar tratamentos personalizados e oferecer soluções inovadoras para doenças complexas. Por exemplo, o laboratório Biernaskie da University of Calgary aplica IA para entender a regeneração de tecidos, com foco inicial em melhorar a recuperação de queimaduras graves, que atualmente resultam em cicatrizes disfuncionais e impactos físicos e psicológicos duradouros.

    Imagem relacionada ao artigo de The Conversation AI
    Imagem de apoio da materia original.

    Essas tecnologias prometem transformar a medicina, tornando tratamentos mais eficazes e personalizados, além de abrir caminhos para terapias regenerativas e prevenção de doenças.

    Desafios e perspectivas futuras

    • Complexidade biológica: Sistemas biológicos são altamente multidimensionais e apresentam grande variabilidade, dificultando a distinção entre correlação e causalidade.
    • Dados insuficientes e vieses: A qualidade e representatividade dos dados ainda são limitações importantes, com problemas de sub-representação e vieses que precisam ser corrigidos para resultados confiáveis.
    • Ética na IA: O desenvolvimento e aplicação dessas tecnologias exigem cuidados éticos rigorosos, principalmente em saúde, onde decisões impactam vidas humanas.

    Para superar esses desafios, pesquisadores desenvolvem modelos híbridos que combinam conhecimento causal estabelecido com grandes conjuntos de dados multimodais, incluindo imagens biológicas, dados genéticos e informações clínicas.

    Iniciativas e recursos para aprofundamento

    Instituições como o Arc Institute lideram pesquisas que treinam IA para compreender interações genéticas em milhões de células, buscando identificar mecanismos causais por meio de experimentos perturbativos.

    Links úteis

  • Inteligência Artificial revoluciona descoberta de medicamentos ao acelerar testes e analisar petabytes de dados

    A inteligência artificial (IA) está transformando a pesquisa biomédica e o desenvolvimento de medicamentos ao acelerar processos tradicionais e possibilitar a análise de grandes volumes de dados para identificar conexões entre doenças. Essa revolução foi destacada em um webinar promovido pelo The Conversation, com participação dos especialistas Jeffrey Skolnick, professor em biologia computacional do Georgia Institute of Technology, e Benjamin P. Brown, professor assistente de farmacologia na Vanderbilt University.

    Desafios tradicionais na descoberta de medicamentos

    Apesar dos avanços e do conhecimento acumulado, a descoberta de medicamentos enfrenta taxas de sucesso relativamente baixas. Aproximadamente 20% dos medicamentos apresentam efeitos colaterais que superam seus benefícios, e metade dos que avançam não demonstram eficácia clínica satisfatória. Dois grandes desafios são identificar corretamente os alvos moleculares que causam uma doença e garantir que o medicamento seja eficaz sem causar danos.

    Imagem relacionada ao artigo de The Conversation AI
    Imagem de apoio da materia original.

    O papel da IA na aceleração e precisão do processo

    A IA oferece a capacidade de analisar toda a base de conhecimento disponível, algo impossível para pesquisadores humanos devido ao volume e complexidade dos dados. Utilizando redes neurais profundas e modelos avançados como transformers, a IA consegue aprender correlações complexas entre múltiplas variáveis simultaneamente, revelando insights antes desconhecidos e sugerindo novas possibilidades terapêuticas.

    Redes neurais profundas e aprendizado

    Modelos como o AlphaFold, desenvolvido pela DeepMind, demonstraram o potencial da IA ao prever estruturas tridimensionais de proteínas com alta precisão. Essas previsões são fundamentais para a criação de pequenas moléculas que possam se ligar a proteínas específicas e alterar suas funções, base da maioria dos medicamentos atuais. Além disso, a IA pode ajudar a projetar proteínas, anticorpos e até mesmo terapias gênicas, ampliando o espectro de tratamentos possíveis.

    Aplicações práticas e avanços recentes

    Benjamin Brown destaca que, embora o aprendizado profundo seja uma tecnologia recente, técnicas de aprendizado de máquina menores vêm sendo aplicadas na descoberta de medicamentos há mais de 15 anos, principalmente em triagens virtuais para identificar candidatos promissores. O avanço do AlphaFold ampliou significativamente as possibilidades, permitindo uma abordagem mais integrada e eficiente.

    Imagem relacionada ao artigo de The Conversation AI
    Imagem de apoio da materia original.

    Entendendo a dinâmica molecular e trajetórias das doenças

    Além da estrutura das proteínas, a IA também contribui para compreender a dinâmica molecular — como as moléculas se movimentam e interagem conforme as leis da física — e as trajetórias das doenças. Por exemplo, estudos indicam que certas doenças frequentemente ocorrem em sequência, como hipertireoidismo seguido de Alzheimer. A IA pode analisar milhões de trajetórias clínicas para identificar essas conexões e sugerir tratamentos que atuem precocemente, potencialmente interrompendo a progressão de múltiplas condições.

    Limitações e cuidado com expectativas

    Embora promissora, a IA ainda não substitui a experimentação e validação clínica rigorosa. A tecnologia pode acelerar a geração de hipóteses e a triagem de candidatos, mas os resultados precisam ser confirmados em laboratório e em ensaios clínicos. Além disso, a IA pode ocasionalmente gerar “alucinações”, ou seja, conexões falsas ou imprecisas, o que exige supervisão humana cuidadosa.

    Impacto real e futuro da IA na medicina

    O uso da IA na descoberta de medicamentos abre a possibilidade de desenvolver tratamentos de amplo espectro que atuem em múltiplas doenças relacionadas, ao invés de abordagens altamente específicas e limitadas. Isso pode transformar o tratamento de condições complexas como câncer, doenças autoimunes e metabólicas, oferecendo novas esperanças para pacientes com poucas opções terapêuticas.

    Links úteis