Novo atlas de IA mapeia 1,1 bilhão de estruturas proteicas com modelo de código aberto

O Biohub da Iniciativa Chan Zuckerberg, instituto biomédico sediado em San Francisco, lançou o ESM Atlas, um banco de dados público com 1,1 bilhão de estruturas proteicas previstas computacionalmente. O atlas foi gerado pelo modelo ESMFold2, desenvolvido pela equipe liderada por Alexander Rives, cientista-chefe do Biohub e ex-pesquisador sênior na Meta AI Research.

Conforme a revista Nature, o ESM Atlas incorpora sequências metagenômicas de amostras ambientais de solo, oceanos e microbiomas. Essa abordagem amplia drasticamente o escopo da biologia estrutural para além das proteínas já caracterizadas em laboratório.

Rives destacou que o atlas mapeia regiões do universo proteico historicamente subrepresentadas, especialmente de microrganismos ambientais. Ele afirmou que a cobertura sem precedentes permite identificar padrões estruturais ocultos que conectam domínios funcionais distantes na árvore da vida.

O ESMFold2 foi treinado com dados de mais de 2,2 bilhões de sequências proteicas de diversos organismos, incluindo conjuntos metagenômicos. Diferentemente de modelos proprietários, seu código-fonte, pesos e instruções foram disponibilizados sob licença MIT, permitindo uso e modificação irrestritos pela comunidade científica.

Em testes com laboratórios da Universidade de Stanford e do Instituto Max Planck, o ESMFold2 projetou anticorpos com afinidade por antígenos tumorais. O modelo também gerou variantes estáveis de enzimas envolvidas na degradação de microplásticos, com 78% dos designs validados em laboratório.

Uma descoberta do atlas foi a homologia estrutural entre proteínas CRISPR-Cas bacterianas e uma proteína de edição genética encontrada em fungos, leveduras e algas. Essa convergência evolutiva sugere mecanismos ancestrais compartilhados de reconhecimento molecular ainda não descritos.

O lançamento ocorre em um contexto de crescente disputa geopolítica sobre infraestrutura de IA científica. A decisão do Biohub de manter o ESMFold2 aberto contrasta com políticas de acesso restrito de empresas como DeepMind e NVIDIA, reforçando o papel de plataformas públicas.

A comunidade de bioinformática já integrou o ESM Atlas ao Galaxy Project e ao RCSB Protein Data Bank, permitindo buscas estruturais cruzadas. O recurso está acessível gratuitamente em esmatlas.org, sem exigência de registro ou restrições de uso.

O preprint que descreve o método foi publicado em 26 de maio de 2026 e está disponível no servidor bioRxiv. A Nature destacou o trabalho como um marco na transição da biologia preditiva para uma plataforma central de descoberta científica.

Leia também: Agu notifica big techs e exige ação contra fraudes no Novo Desenrola