Ciencias vida

IA em Ciências da Vida — Biologia, Medicina e Genômica

*rXiv:*2021.07 (Nature, 2021)
*mpacto:**esolução do problema de dobramento de proteínas*— 50 anos de tentativas falhadas resolvido em 1 paper
*esultado:*Precisão atômica na predição de estrutura 3D; melhor que métodos experimentais em speed
*reinamento:*MSA (Multiple Sequence Alignment) + atenção estrutural; PDB como ground truth
*cesso:*AlphaFold DB: 200M+ estruturas preditas; alphafold.ebi.ac.uk

*ature:*"Accurate structure prediction of biomolecular interactions with AlphaFold 3" (2024)
*xtensão:*Proteínas + DNA + RNA + moléculas pequenas (ligantes) + covalentes
*plicação:*Design de drogas — prever como droga se encaixa na proteína
*cesso:*alphafoldserver.com (restrito a pesquisa não-comercial)

*SM-1:*arXiv:2019.08 — Transformer em sequências de aminoácidos
*SM-2:*arXiv:2202.03460 — 15B parâmetros; maior PLM; estrutura emergente apenas de sequência
*SMFold:*Predição de estrutura sem MSA (mais rápido que AlphaFold 2)

*ature:*"De novo protein design by inversion of RoseTTAFold structure prediction" (2023)
*ecanismo:*Diffusion model sobre estruturas proteicas; design de proteínas a partir do zero
*esultado:*Proteínas funcionais com scaffolds inteiramente novos

*cience:*2022
*unção:*Dado backbone (esqueleto), projetar sequência que dobra para aquela estrutura
*omplementar ao RFdiffusion:*RFdiffusion faz o backbone; ProteinMPNN faz a sequência

*ature:*"Genome modelling and design across all domains of life with Evo 2" (natureza.comarticless41586~~026~~10176-5)
*ados:*9T pares de base de DNA; 100.000+ espécies; todos os domínios da vida (Bacteria, Archaea, Eucaryota)
*arâmetros:*40B
*anela:*1M nucleotídeos — abrange genomas completos
*estaque:*Primeiro modelo a modelar e gerar sequências genômicas em todos os domínios da vida; gerou DNA de cromossomo inteiro funcional; prevê doença de splicing com precisão clínica

*oco:*Prediz regulação genética (expressão gênica, splicing, enhancers) a partir de sequência de DNA
*nput:*1M pares de base de sequência de DNA
*utput:*Padrões de acessibilidade cromatina, expressão, splicing por tecido
*mpacto:*Identificar variantes genéticas causais de doenças

*ature:*"Scaling deep learning for materials discovery" (2023)
*esultado:*2.2M novos cristais estáveis preditos (300× mais que toda história experimental)
*mpacto:*Acelerou descoberta de materiais para baterias, supercondutores

*rXiv:*2312.03687
*ecanismo:*Diffusion model para geração de estruturas cristalinas com propriedades target
*esultado:*Gera materiais com propriedades específicas (não apenas prediz estabilidade)