Laboratório usa Codex e ChatGPT para buscar novos antibióticos

De la Fuente comanda um laboratório transdisciplinar com profissionais de biologia, química, ciência da computação e engenharia. Ele lembra que a medicina não aprova uma nova classe de antibióticos há 50 anos. "A resistência antimicrobiana é uma das maiores ameaças existenciais à humanidade, na minha opinião", disse o pesquisador. A indústria farmacêutica insiste em modificar remédios conhecidos ou vasculhar classes químicas tradicionais. Essa estratégia rende retornos decrescentes.

Modelos tratam DNA e proteínas como texto

O grupo converteu a biologia molecular em um sistema formal de processamento de informação. "Os nucleotídeos que compõem o DNA e os aminoácidos que compõem proteínas e peptídeos são como um alfabeto", explicou de la Fuente. Modelos próprios de deep learning leem sequências biológicas em bases digitais para localizar padrões que dão origem a moléculas funcionais. O ChatGPT e o Codex atuam na rotina técnica: criam hipóteses, escrevem código, refinam rotinas, processam bases e analisam resultados. Biólogos passam a construir programas próprios e programadores enfrentam problemas biológicos diretamente.

Bancos digitais de genomas e proteínas permitem varrer toda a árvore filogenética da vida em vez de coletar amostras físicas de plantas, animais, insetos, água e solo. Essa abundância de dados gerou um obstáculo matemático, porque apenas uma fração diminuta dos genomas codifica moléculas capazes de combater infecções. O algoritmo resolve essa triagem inicial ao escanear bases massivas e elencar uma lista manejável de candidatos para testes de laboratório. A máquina entrega alvos prioritários em horas.

A bancada física impõe barreiras ao software

A triagem digital da OpenAI não elimina o longo caminho biológico até o paciente. Identificar um peptídeo no computador não garante remédio seguro na farmácia. Cientistas precisam sintetizar a molécula em bancada para checar se ela realmente elimina o micróbio-alvo, qual dose gera resposta e se ataca células humanas. Químicos otimizam a estrutura para elevar estabilidade e segurança. Testes posteriores determinam a dosagem tóxica, a velocidade com que patógenos desenvolvem resistência e a dinâmica de circulação da substância no organismo.

A equipe precisa definir métodos confiáveis de fabricação em escala industrial antes de submeter moléculas a ensaios clínicos e avaliações regulatórias. "Experimentos com dados reais de bancada são essenciais para validar previsões de IA", afirmou de la Fuente. O pesquisador adverte que a biologia segue como a estrutura mais complexa conhecida pela ciência. O anúncio oficial da OpenAI destaca velocidade de código, mas nenhuma molécula sugerida por ChatGPT ou Codex chega aos hospitais sem aprovação clínica tradicional. O gargalo real permanece nos testes com humanos.