A IA inventou uma enzima que não existe na natureza

Uma máquina molecular que a natureza não tinha à mão

Toda enzima é uma máquina. É uma proteína dobrada num formato tão específico que consegue agarrar uma molécula e transformá-la em outra — milhões de vezes por segundo, sem aquecer forno nenhum e sem solvente tóxico. A indústria de remédios, a de alimentos e a de biocombustíveis dependem dessas máquinas. O problema é o catálogo: a natureza só tem as enzimas que a evolução teve motivo para inventar. Para o resto, sempre foi preciso garimpar.

Na segunda-feira passada, o Google DeepMind publicou um estudo que faz o caminho inverso: em vez de procurar uma enzima que já exista, o sistema desenha uma do zero. E, pela primeira vez, esses desenhos bateram o garimpo de enzimas naturais numa química difícil — com resultado medido em bancada, em laboratório de verdade, não em simulação.

O trabalho é uma parceria com o laboratório de Frances H. Arnold, no Caltech, que ganhou o Nobel de Química de 2018 justamente por ensinar a humanidade a evoluir enzimas em laboratório, e com a Universidade de Pittsburgh. Entre os autores está Demis Hassabis, CEO do DeepMind. O nome do sistema é AlphaProtein Novo — "AP Novo", para os íntimos — e tanto o artigo quanto o código estão abertos.

Como se desenha uma enzima que não existe

O ponto de partida do AP Novo não é uma proteína. É um motivo catalítico: o arranjo em três dimensões dos poucos átomos que realmente fazem a química acontecer — o metal no centro, os aminoácidos que doam e recebem elétrons, o ângulo exato do encaixe. É a "ponta da chave", sem a chave.

A partir desse motivo, um modelo de difusão — a mesma família de modelos que gera imagem hoje em dia — cria, ao mesmo tempo, a estrutura da proteína em volta e a sequência de aminoácidos que a produz. Em seguida entra o AlphaFold 3, o modelo que previu o dobramento das proteínas: ele prevê como cada candidato vai se dobrar e descarta o que não sustenta o motivo na posição certa. Só os aprovados são fabricados em E. coli e medidos em laboratório.

A descoberta metodológica do artigo está no filtro. O que melhor previu se um desenho ia funcionar não foi olhar a estrutura dele, e sim avaliar um conjunto de sequências diferentes derivadas do mesmo esqueleto. Em bom português: o desenho bom não é o que funciona uma vez, é o que funciona de vários jeitos. Esse critério elevou a taxa de acerto retrospectiva de 29% para 45% na reação de referência mais simples e de 5% para 15% nas esterases — e, combinado com outros filtros, chegou a 56%.

O raciocínio do AP Novo (painel A): do motivo catalítico à enzima confirmada. No painel D, o placar do duelo pela piperidina — das 188 variantes naturais testadas, nenhuma foi seletiva para o produto desejado; entre os desenhos, 100% dos ativos na segunda rodada foram. (Figura 1 do preprint)

O duelo: 188 enzimas da natureza contra um computador

O primeiro alvo foi a piperidina, um anel de seis lados com nitrogênio que aparece em remédios aprovados pela FDA e em materiais funcionais. É uma molécula valiosa e chata de fabricar, porque a reação naturalmente prefere produzir um anel de cinco lados — a pirrolidina — e não o de seis.

A equipe testou primeiro o caminho tradicional: uma triagem de 188 proteínas e variantes naturais. Nove passaram do limite mínimo de atividade. Nenhuma conseguiu favorecer a piperidina acima de uma proporção de 30 para 70 — a natureza estava do lado errado da briga.

Depois veio o AP Novo. Na primeira rodada, 86 desenhos inéditos; na segunda, mais 90. Entre os desenhos que funcionaram, todos os ativos da segunda rodada preferiram a piperidina — e o melhor deles, batizado GDM_NT_270, entregou 99 para 1 de seletividade, 94% de excesso enantiomérico e 22 ciclos de conversão. Comparado à proteína natural usada como referência, o ganho de conversão total para a piperidina foi de duas ordens de magnitude. Não é uma enzima que a natureza tinha — é uma que ela não teve motivo para construir.

O plástico que ninguém consegue digerir

O segundo alvo é ambiental. O DEHP é um plastificante usado em tudo: mangueira, cortina de banheiro, embalagem, equipamento hospitalar. É também um contaminante persistente e um desregulador endócrino associado a problemas de desenvolvimento e reprodução. Na natureza existem enzimas capazes de quebrá-lo, mas são raríssimas — numa triagem de 65 esterases naturais, sendo 16 com perfil previsto para isso, só uma se mostrou ativa.

O motivo é físico. O DEHP praticamente não se dissolve em água — a solubilidade é de cerca de 0,3 miligrama por litro. E os solventes que ajudariam a acessá-lo desativam as enzimas naturais: o solvente desmancha o miolo hidrofóbico da proteína e arranca a água que a mantinha firme.

Os desenhos do AP Novo perderam esse vício. O projeto GDM_DEHP_376 é 14 vezes mais ativo a 90 °C do que em temperatura ambiente e funciona em 75% de acetonitrila — condição em que as duas enzimas naturais comparadas ficam completamente inativas. Ele também é bem mais barato de produzir: 191 aminoácidos, 60% menor que a esterase natural de referência, e com melhor expressão em E. coli. São sete famílias estruturais novas capazes de fazer essa reação, todas diferentes entre si e diferentes de qualquer esterase conhecida.

Os alvos levados à bancada: eliminação de Kemp, hidrólise de éster por serina, ciclopropanação por carbeno, transferência de nitreno (a rota da piperidina) e a hidrólise do DEHP. (Figura 2 do preprint)

Quase 4 mil proteínas para achar algumas dezenas que funcionam

Vale ter o tamanho do esforço na cabeça, porque é ele que separa ciência de propaganda. A tabela do artigo soma 3.903 enzimas desenhadas e testadas em bancada, agrupadas em cerca de 2.356 famílias estruturais distintas, entre cinco reações diferentes:

Alvo	Desenhos testados	Melhor taxa de acerto	Melhor resultado
Piperidina (nitreno)	176	7%	99:1 de seletividade, 94% e.e.
DEHP (plástico)	349	39%	47 ciclos a 90 °C
Eliminação de Kemp	1.718	80%	kcat/KM de 44.940 M⁻¹s⁻¹
Esterase de serina	1.569	44%	kcat/KM de 360.000 M⁻¹s⁻¹
Carbeno	91	56%	>99:1 de diastereosseletividade

Vale ler a tabela com honestidade: "taxa de acerto" quer dizer coisas diferentes em cada linha e, de propósito, o artigo avisa que não dá para comparar entre reações. O que ela mostra é a curva de aprendizado: nas reações mais estudadas, o time chegou a acertar 8 de cada 10 desenhos; na química mais difícil e inédita, a piperidina, 7 de cada 100 na melhor configuração — e ainda assim o suficiente para vencer a natureza.

Como o filtro evoluiu: exigir que várias sequências do mesmo esqueleto passassem nos testes levou a taxa de acerto a 23% na eliminação de Kemp — o dobro de quem não usou o critério — e a até 44% nas esterases de serina, 30 vezes mais. (Figura 4 do preprint)

O que o artigo não diz (e você deveria saber)

Três avisos que o próprio preprint faz, e que nenhum post com manchete fácil vai repetir:

É preprint, não passou por revisão por pares ainda. O texto foi publicado no bioRxiv em 05/10 e assinado por um time grande, com dezenas de autores e financiamento do NIH e do Departamento de Energia dos EUA — mas revisão independente ainda não aconteceu.
Em água e temperatura ambiente, os desenhos ainda perdem para a natureza. O melhor deles produz 6% do que a enzima natural de referência produz em 4 horas. O que os desenhos têm de melhor é estabilidade — calor, solvente, tamanho, custo de produção. É outra vantagem, não a mesma.
Não existe ainda solução para o plástico. Os desenhos dão o primeiro corte do DEHP, transformando-o em MEHP. Para virar remediação de verdade, falta quebrar tudo até o ácido ftálico — e isso o artigo diz, com todas as letras, que ainda é necessário.

O código está no GitHub sob licença Apache 2.0; os pesos do modelo são liberados para uso não comercial, com termos de uso próprios. É aberto, mas não é "faça o que quiser".

Dias antes, o mesmo time já tinha publicado um segundo preprint (Design-Evolution Synergy, 02/10) mostrando que o desenho do zero e a evolução dirigida de laboratório — a técnica do Nobel de Arnold — se somam em vez de competir. Faz sentido: um resolve o problema de "que proteína", o outro resolve o de "como deixar essa proteína melhor".

Por que isso interessa ao Brasil

Duas coisas aqui não são abstração de laboratório.

A primeira é industrial. Um desenho de enzima que dispensa a triagem de milhares de variantes naturais encurta o caminho entre "essa reação é interessante" e "essa reação é fabricável". O Brasil tem uma indústria química e farmacêutica grande, quase toda importadora de enzimas e de insumos de fermentação. Um método aberto, que roda em GPU e termina em E. coli, é exatamente o tipo de peça que falta numa cadeia produtiva local — inclusive para quem produz etanol, papel, alimentos e cosméticos.

A segunda é ambiental. O DEHP está dentro de casa, no chão da creche, no soro hospitalar. O Brasil é um dos maiores consumidores de PVC das Américas e recicla pouco. Uma enzima que funcione em calor e em solvente — os dois extremos onde a biologia costuma desistir — é um começo de resposta para um problema que hoje é só enterrado. É começo, não solução: o artigo é explícito nisso.

E há a lição que se repete a cada seis meses: o gargalo da IA de fronteira deixou de ser escrever texto bonito. Está começando a ser o que ela pode desenhar que ainda não existe — e quem tiver dado, bancada e paciência para testar o desenho vira parte da resposta. A IA propõe; a bancada, como sempre, decide.