As enzimas são catalisadores incríveis. Estas proteínas são constituídas por nada mais do que um punhado de elementos abundantes na Terra e promovem uma vasta gama de reações, convertem energia química em movimento físico e atuam com uma notável especificidade. Em muitos casos, os investigadores tentam encontrar catalisadores não enzimáticos que possam impulsionar algumas das mesmas reações químicas.
Infelizmente, não existe uma enzima para muitas reações que seria importante catalisar – coisas como digerir plásticos ou incorporar dióxido de carbono em moléculas mais complexas. Houve alguns sucessos utilizando a evolução dirigida para criar variações úteis de enzimas existentes, mas os esforços para alargar o âmbito do que as enzimas podem fazer foram limitados.
Com o advento do design de proteínas baseado em IA, no entanto, pode-se agora potencialmente projetar coisas diferentes de tudo o que é encontrado na natureza. Este novo artigo descreve o sucesso na criação de uma nova enzima com potencial para digerir plásticos. Mas também mostra como até uma enzima simples pode ter um mecanismo extremamente complexo – e difícil de resolver, mesmo com as mais recentes ferramentas de IA.
A reação em que a equipa de investigação trabalhou é a quebra do que é chamado de ligação éster. As ligações éster são formadas pela ligação de duas cadeias de átomos de carbono por um átomo de oxigénio, estando um dos carbonos adjacentes ligado a um segundo oxigénio. Podem ser quebrados pela adição de uma molécula de água, o que deixa uma cadeia de carbono ligada a um grupo álcool (COH) e a outra a um ácido orgânico (COOH). Estas ligações aparecem em várias biomoléculas, pelo que existem muitas enzimas que as podem manipular. Mas além da biologia, também aparecem em vários polímeros plásticos que usamos em larga escala – o poliéster recebeu este nome devido à quantidade de ocorrências da ligação química que nele aparecem. Portanto, há muito valor potencial em ser capaz de quebrar ligações éster. E temos muitos exemplos da biologia para nos mostrar como se faz.
Os investigadores começaram por utilizar as ferramentas padrão que desenvolveram para lidar com o design de proteínas, incluindo uma ferramenta de IA chamada RFDiffusion, que utiliza uma semente aleatória para gerar uma variedade de origens proteicas. Neste caso, os investigadores pediram ao RFDiffusion para comparar as posições médias dos aminoácidos numa família de enzimas que decompõem os ésteres. Os resultados foram enviados para outra rede neural, que escolheu os aminoácidos de forma a que estes formassem uma bolsa que conteria um éster que se decompõe numa molécula fluorescente, para que pudessem acompanhar a atividade da enzima utilizando o seu brilho.
Das 129 proteínas concebidas por este software, apenas duas delas resultaram em alguma fluorescência. Assim, a equipa decidiu que precisava de mais uma IA. Chamado PLACER, o software foi treinado pegando em todas as estruturas conhecidas de proteínas presas a pequenas moléculas e randomizando algumas das suas estruturas, forçando a IA a aprender como mudar as coisas de volta para um estado funcional (tornando-a uma IA generativa). A esperança era que o PLACER fosse treinado para captar alguns dos detalhes estruturais que permitem às enzimas adotar mais do que uma configuração específica ao longo da reação que estavam a catalisar. E funcionou. A repetição do mesmo processo com uma etapa de triagem adicional do PLACER aumentou o número de enzimas com atividade catalítica em mais de três vezes.
Ao adicionar rondas adicionais alternando entre sugestões de estrutura utilizando RFDiffusion e triagem utilizando PLACER, a equipa viu a frequência de enzimas funcionais aumentar e, eventualmente, concebeu uma que tinha uma atividade semelhante a algumas produzidas por seres vivos reais. Mostraram também que poderiam utilizar o mesmo processo para conceber uma esterase capaz de digerir as ligações do PET, um plástico comum.
Fonte: ARS Technica
