NVIDIA e Google DeepMind mapeiam complexos proteicos de mais de 2.800 vírus para acelerar defesa contra pandemias
Uma coalizão global liderada por NVIDIA, Google DeepMind e EMBL-EBI publicou modelos 3D previstos de complexos proteicos para mais de 2.800 vírus, auxiliando no desenvolvimento de medicamentos e vacinas. Aceleradas pelo runtime BioNeMo da NVIDIA, cerca de 30% das interações proteicas recém-mapeadas eram anteriormente desconhecidas pela ciência.
Modelos abertos de IA miram ameaças virais em 2.800 patógenos
A NVIDIA anunciou uma parceria com a Google DeepMind e o Instituto Europeu de Bioinformática do Laboratório Europeu de Biologia Molecular (EMBL-EBI) em 24 de setembro de 2026 para publicar estruturas 3D previstas de complexos proteicos de mais de 2.800 vírus. O conjunto de dados está acessível gratuitamente para a comunidade científica global por meio do Pandemic Preparedness Portal do AlphaFold Database.
A iniciativa reúne um amplo consórcio internacional de pesquisa que inclui a Coalition for Epidemic Preparedness Innovations (CEPI), o Medical Research Council-University of Glasgow Centre for Virus Research, o Swiss Institute of Bioinformatics, a Seoul National University e a Sungkyunkwan University. Paralelamente ao conjunto de dados, a NVIDIA disponibilizou publicamente seu BioNeMo Structure Prediction Pipeline acelerado por GPU, permitindo que pesquisadores convertam sequências proteicas personalizadas em previsões estruturais em 3D.
Escalando o AlphaFold2 via BioNeMo para mapear interações inéditas
Para modelar proteomas virais completos em escala, a equipe executou o AlphaFold2 da Google DeepMind usando o NVIDIA BioNeMo Inference Runtime para aceleração por GPU. Enquanto os métodos experimentais tradicionais — como a cristalização de proteínas combinada com difração de raios X — podem levar anos e custar milhares de dólares por alvo, o pipeline otimizado do AlphaFold2 gera previsões em minutos.
O projeto concentrou-se explicitamente em complexos proteicos — agrupamentos de proteínas em interação que os vírus utilizam para desempenhar funções biológicas essenciais. Essas montagens moleculares frequentemente representam os sítios-alvo exatos necessários para o desenvolvimento de medicamentos terapêuticos e vacinas preventivas. O levantamento examinou famílias de vírus capazes de infectar humanos, abrangendo desde cepas benignas de resfriado comum até patógenos de alto impacto como o Mpox.
De forma significativa, cerca de 30% das interações proteicas mapeadas representam formas e arranjos que nunca haviam sido documentados no Protein Data Bank, o histórico repositório aberto de estruturas proteicas verificadas experimentalmente. Cada previsão no banco de dados é acompanhada de uma pontuação algorítmica de confiança para orientar a verificação em laboratório.
"Este banco de dados é um motor para a geração de hipóteses", afirmou Chris Dallago, líder da equipe de ciência de pesquisa aplicada em biologia digital na NVIDIA. "Estamos permitindo que biólogos e a comunidade de IA investiguem interações de proteínas não apenas como moléculas isoladas, mas como complexos, para que todo o campo possa avançar."
"Quando a próxima pandemia acontecer, pode surgir algo do nada e nos faltará o conhecimento que tínhamos para a COVID", acrescentou Joe Grove, professor de virologia molecular na University of Glasgow que colaborou com o trabalho. "O que estamos tentando fazer é acumular parte desse conhecimento com antecedência."
Prevenindo futuros surtos enquanto o AlphaFold ultrapassa 260 milhões de estruturas
O lançamento coincidiu com uma reunião da Assembleia Geral das Nações Unidas convocada pelo Fórum Econômico Mundial em Nova York, que abordou a prevenção, preparação e resposta global a pandemias. A urgência é reforçada por dados do Center for Global Development, que projeta uma probabilidade estimada de 50% de o mundo enfrentar uma pandemia equivalente à da COVID-19 até 2050.
Com este lançamento, o AlphaFold Database ultrapassa 260 milhões de proteínas e complexos proteicos previstos, representando quase todas as proteínas catalogadas e conhecidas pela biologia moderna.
De acordo com Jo McEntyre, diretora interina do EMBL-EBI, disponibilizar os dados sem restrições proprietárias é fundamental para equipes que estão na linha de frente: "O conjunto de dados também cobre vírus menos estudados e reduz as barreiras para cientistas em ambientes com poucos recursos que estão enfrentando surtos em primeira mão."
