ESMFold2: modelo open source de Zuckerberg supera AlphaFold e prevê 1,1 bilhão de proteínas

O Biohub, instituto de pesquisa fundado por Mark Zuckerberg, acaba de publicar na revista Nature um modelo de inteligência artificial que promete redefinir a biologia computacional. O ESMFold2 é capaz de prever 1,1 bilhão de estruturas de proteínas, superando em escala e acessibilidade o AlphaFold, do Google. E, ao contrário do concorrente, o modelo é completamente open source.

Como o ESMFold2 funciona e prevê proteínas?

O ESMFold2 é um modelo de linguagem (LLM) aplicado à biologia. Ele foi treinado com milhões de sequências de proteínas e aprendeu a prever a estrutura tridimensional delas — uma tarefa que antes exigia experimentos de laboratório caros e demorados. O diferencial está na escala: enquanto o AlphaFold do Google cobria cerca de 200 milhões de proteínas, o ESMFold2 alcança 1,1 bilhão, quase cinco vezes mais. A pesquisa, publicada na Nature, detalha o uso de uma arquitetura de transformer otimizada que processa sequências longas sem perder precisão.

Por que o ESMFold2 supera o AlphaFold?

A principal vantagem do ESMFold2 não está apenas na quantidade de estruturas previstas, mas na eficiência computacional. O modelo utiliza menos recursos de hardware para fazer as previsões, o que o torna acessível para laboratórios menores e para projetos de código aberto. Além disso, ele incorpora técnicas de aprendizado auto-supervisionado que permitem generalizar melhor para proteínas raras ou artificiais. O resultado é uma ferramenta que pode ser adaptada por qualquer pesquisador, sem depender de servidores centralizados.

O impacto do ESMFold2 na biologia computacional

Com 1,1 bilhão de estruturas disponíveis, cientistas podem estudar desde a evolução das proteínas até o desenvolvimento de novos fármacos. A descoberta também acelera áreas como a biologia sintética e a engenharia de enzimas para indústria. O fato de o modelo ser aberto significa que a comunidade pode retreiná-lo com dados específicos, criando versões especializadas para doenças tropicais ou proteínas de plantas, por exemplo.

Como o código aberto do ESMFold2 acelera a inovação?

O lançamento open source do ESMFold2 segue uma tendência que a IBM e a Red Hat já sinalizaram: modelos de IA de alto impacto precisam ser colaborativos. O código do ESMFold2 está disponível no GitHub, e os pesquisadores já começaram a criar variações para áreas como resistência a antibióticos e design de proteínas terapêuticas.

Perguntas frequentes sobre o ESMFold2

Como o ESMFold2 se compara ao AlphaFold em termos de performance?

O ESMFold2 cobre 1,1 bilhão de estruturas, superando as 200 milhões do AlphaFold, e exige menos poder computacional, tornando-o mais acessível para a comunidade científica.

Onde posso acessar o código do ESMFold2?

O código e os modelos treinados estão disponíveis publicamente no repositório oficial do Biohub no GitHub, sem restrições de uso.

Esse avanço pode ajudar no desenvolvimento de novos medicamentos?

Sim, prever a estrutura de proteínas é um passo fundamental para entender doenças e projetar moléculas que interajam com elas, acelerando a descoberta de fármacos.

---

Fonte: Publicação original no 36Kr Veja também: Mais notícias sobre IA