A OpenAI tem desenvolvido um modelo de IA em colaboração com a Retro Biosciences, para resolver ineficiências no processo de reprogramação de células adultas em células estaminais.
Os primeiros resultados de testes de laboratório indicam que o modelo, batizado de GPT-4b Micro, poderia melhorar a eficiência dos fatores Yamanaka, proteínas essenciais para a criação de células-tronco, em mais de 50 vezes, relata Tecnologia MIT Revisão.
Embora não anunciado oficialmente, este projeto demonstra o primeiro grande passo da OpenAI na pesquisa biológica, oferecendo novas possibilidades na medicina regenerativa.
A colaboração começou há aproximadamente um ano, quando a Retro Biosciences abordou a OpenAI. A startup, com sede em São Francisco, concentra-se em prolongar a expectativa de vida humana em uma década por meio de avanços na reprogramação celular.
Relacionado: Google DeepMind Open-Sources AlphaFold 3 para pesquisadores
“Jogamos esse modelo no laboratório imediatamente e obtivemos resultados reais”, disse Joe Betts-Lacroix, CEO da Retro Biosciences, em uma discussão relatada pela MIT Technology Review
A ineficiência dos métodos atuais – onde menos de 1% das células são reprogramadas com sucesso, exigindo semanas de trabalho. esforço – foi uma motivação fundamental para esta colaboração. O potencial para melhorar estes resultados poderia acelerar o desenvolvimento de terapias direcionadas a doenças relacionadas com a idade e à regeneração de tecidos.
A ciência por trás dos fatores de Yamanaka e seus desafios<./strong>
Fatores Yamanaka, em homenagem ao ganhador do Nobel Shinya Yamanaka, são proteínas capazes de induzir células maduras a reverterem para um estado pluripotente, permitindo-lhes transformar-se em qualquer tipo de célula
Este processo de reprogramação sustenta os avanços na medicina regenerativa, desde a criação de tecidos de substituição até. permitindo a regeneração de órgãos. Apesar de sua promessa, o processo permanece ineficiente, lento e consome muitos recursos.
O GPT-4b Micro da OpenAI foi treinado para otimizar o desempenho dessas proteínas. Ao analisar sequências de proteínas e dados de interação entre espécies, o modelo propõe alterações substanciais de aminoácidos para melhorar a função das proteínas.
“Em geral, as proteínas parecem melhores do que aquilo que os cientistas foram capazes de produzir sozinhos”, disse John Hallman, pesquisador da OpenAI. Este nível de otimização, onde até um terço da proteína aminoácidos podem ser modificados, está além do alcance dos métodos tradicionais, que dependem de experimentos de tentativa e erro em laboratório.
Uma aplicação única de IA em biotecnologia
GPT-4b Micro representa uma abordagem distinta para a biotecnologia baseada em IA Enquanto o AlphaFold do Google DeepMind se concentra na previsão das estruturas 3D das proteínas, auxiliando os pesquisadores na compreensão das interações moleculares, o GPT-4b Micro foi projetado para melhorar a funcionalidade das proteínas. os papéis complementares que essas ferramentas de IA desempenham na abordagem dos desafios da pesquisa biológica.
“As ideias do modelo eram extraordinariamente boas, levando a melhorias em relação aos fatores Yamanaka originais em uma fração substancial de casos,”Betts-Lacroix explicou.
Para alcançar esses resultados, os pesquisadores da OpenAI empregaram uma técnica de aprendizagem de “algumas tentativas”, em que o sistema de IA é guiado por um pequeno número de exemplos antes de gerar projetos otimizados. Este método permite uma rápida adaptação a problemas especializados. , como redesenhar proteínas para melhorar o desempenho.
Colaboração com Retro Biosciences e Considerações Éticas
Fundada em 2021, a Retro Biosciences se concentra no avanço de terapias celulares e técnicas de reprogramação como parte de sua missão de prolongar a vida humana
O CEO da OpenAI, Sam Altman, um defensor vocal da descoberta científica impulsionada pela IA, investiu pessoalmente US$ 180 milhões na Retro, ressaltando sua crença no potencial de tais colaborações.
Altman declarou anteriormente: “Ferramentas superinteligentes poderiam acelerar enormemente a descoberta científica e a inovação muito além do que somos capazes de fazer por conta própria.”
Embora não haja transações financeiras. ocorreu entre OpenAI e Retro Biosciences nesta parceria, o duplo papel de Altman como investidor e CEO atraiu escrutínio. A OpenAI esclareceu que Altman não estava diretamente envolvido no desenvolvimento do GPT-4b Micro, enfatizando o foco do projeto no avanço do conhecimento científico, em vez de no alinhamento com qualquer interesse comercial específico.
Essa transparência é fundamental à medida que a OpenAI navega em seu papel crescente em campos que vão além da IA de uso geral.
Implicações para a medicina regenerativa
Os avanços possibilitados pelo GPT-4b Micro têm potencial para enfrentar alguns dos desafios mais urgentes da medicina regenerativa. Fatores Yamanaka aprimorados poderiam abrir caminho para uma regeneração de órgãos mais eficiente, terapias celulares personalizadas e o desenvolvimento de tecidos artificiais.
O pesquisador de envelhecimento da Universidade de Harvard, Vadim Gladyshev, consultor da Retro Biosciences, destacou as implicações mais amplas: “[As células da pele] são fáceis de reprogramar, mas outras células não”, disse ele. em uma nova espécie-geralmente é extremamente diferente e você não obtém nada.”
A OpenAI e a Retro Biosciences planejam publicar suas descobertas em periódicos revisados por pares, proporcionando à comunidade científica uma oportunidade de validar e desenvolver esta pesquisa. Embora o GPT-4b Micro seja atualmente uma demonstração de pesquisa e não esteja disponível para uso comercial, seus resultados destacam o potencial transformador das abordagens baseadas em IA em biotecnologia.
AlphaFold e o papel da IA na descoberta científica
O trabalho da OpenAI no GPT-4b Micro complementa os avanços recentes na biologia orientada por IA, como o AlphaFold 3 da DeepMind, que recentemente foi de código aberto para uso não comercial pesquisar.
AlphaFold revolucionou a biologia estrutural ao prever com precisão as formas das proteínas, permitindo avanços na descoberta de medicamentos e na pesquisa de doenças. Em contraste, o GPT-4b Micro concentra-se na otimização funcional, abordando ineficiências que dificultam a aplicação prática da reprogramação de proteínas.
