DeepMind e Biohub dizem por que o AlphaFold não resolveu a biologia

Escalar computadores não decifra células vivas

No painel moderado por Brandon Anderson, Kohli e Candido atacaram a tese de que basta aumentar computadores e despejar dados brutos para entender seres vivos. A biologia exige leis de escala próprias e dados com valor funcional. O volume cego gera ruído. A DeepMind construiu o AlphaFold com desenho artesanal justamente para embutir intuição científica antes de processar volumes massivos de informação.

Candido explicou que equipes de computação treinam modelos com os dados que encontram com facilidade na rede, e não com os dados que a ciência realmente precisa. Criar uma célula virtual no computador exige informações experimentais inéditas. Micrografias de criomicroscopia eletrônica, conhecidas pela sigla cryo-EM, registram a desordem e o movimento que as imagens rígidas descartam. Esse caminho permite sair do foco em moléculas isoladas e encarar sistemas biológicos inteiros.

O uso de dados metagenômicos de baixa qualidade revela como ajustar essas ferramentas. Os pesquisadores apontaram que sequências genéticas imperfeitas melhoram modelos de linguagem de proteínas quando o sistema aprende a filtrar o lixo do conjunto. O código genético esconde segredos vitais. Essa técnica viabiliza o desenho de novas sequências sem depender apenas de bancos de dados revisados à mão por humanos.

Curar doenças exige saltos de dez vezes

O debate detalhou o conhecimento que já dorme dentro dos modelos atuais de proteínas. Candido afirmou que essas redes assimilaram regras biológicas que os cientistas ainda não conseguem ler ou explicar. A máquina cria antes de entender. Ao lembrar a frase de Richard Feynman de que só compreendemos o que conseguimos criar, os debatedores destacaram que a tecnologia gera moléculas funcionais sem revelar os passos lógicos da tarefa.

Kohli sustentou que a calibração de incerteza e a confiabilidade importam mais do que exigir explicabilidade total de um modelo. Cientistas precisam saber o grau de erro do algoritmo em cada previsão. Modelos futuros podem vigiar outros modelos. O pesquisador da DeepMind afirmou que sistemas de fronteira vão interpretar redes neurais com mais precisão do que os próprios humanos.

Para os dois laboratórios, a meta do Biohub de curar todas as doenças requer ambição maior do que ganhos modestos de 10%. Candido defendeu saltos de dez vezes para transformar pesquisa biológica em engenharia rápida. O mercado ainda usa o Transformer. Kohli e Candido sustentam que essa arquitetura continua viva, mas alertam que a criação de terapias só vai acelerar de 10 a 100 vezes quando os sistemas dominarem tecidos vivos em movimento.