Nos últimos anos, os cientistas têm procurado formas de acelerar o ritmo das descobertas biológicas. Um estudo recente conduzido por investigadores da OpenAI e da Ginkgo Bioworks explorou uma abordagem pouco comum: ligar um modelo avançado de inteligência artificial a um laboratório automatizado, permitindo que o sistema não apenas sugerisse experiências, mas também aprendesse diretamente com os resultados obtidos.
O trabalho concentrou-se num processo chamado síntese proteica livre de células (cell-free protein synthesis). Neste método, as proteínas são produzidas fora das células, numa mistura química que contém os componentes necessários para a tradução genética. Embora seja uma técnica muito útil para investigação e biotecnologia, encontrar a combinação ideal de reagentes pode ser extremamente difícil, porque pequenas alterações na composição podem ter efeitos imprevisíveis.
Síntese proteica livre de células (cell-free protein synthesis) é uma técnica de biotecnologia que permite produzir proteínas fora de uma célula viva, utilizando apenas os componentes moleculares necessários para que o processo de produção de proteínas ocorra.
Para enfrentar esse problema, os investigadores criaram um sistema em ciclo fechado: o modelo de IA analisava dados científicos e planeava novas experiências, depois, um laboratório robótico executava essas experiências automaticamente. Os resultados eram então enviados de volta para o sistema de inteligência artificial, que ajustava as hipóteses e planeava a ronda seguinte de testes. Este processo repetiu-se várias vezes, criando um ciclo contínuo de aprendizagem experimental.
Ao longo do estudo foram realizadas mais de 36 mil reações experimentais, distribuídas por centenas de placas laboratoriais automatizadas. A exploração sistemática deste grande número de combinações permitiu identificar formulações químicas mais eficientes para a produção de proteínas. No final, o sistema conseguiu reduzir cerca de 40 % o custo do processo, ultrapassando o melhor método anteriormente descrito na literatura científica.
A investigadora Reshma Shetty, cofundadora da Ginkgo Bioworks e coautora do estudo, explicou que a combinação entre inteligência artificial e laboratórios autónomos pode transformar a investigação biológica. Segundo a cientista, este tipo de sistema permite descobrir novas soluções experimentais que muitas vezes passam despercebidas em abordagens tradicionais.
Como afirmou a própria autora:
A ligação entre modelos de IA e laboratórios robotizados pode revelar “composições de reação mais baratas do que o estado da arte anterior”, permitindo gerar mais dados científicos com menos recursos.
Outro dos responsáveis pela empresa, Jason Kelly, destacou que esta abordagem representa um novo tipo de investigação científica, em que os algoritmos não se limitam a analisar dados existentes, mas participam ativamente no processo experimental.
Nas suas palavras, trata-se de:
IA a fazer ciência experimental real: desenhando experiências, executando-as e aprendendo com os resultados.
Os autores defendem que sistemas deste tipo poderão acelerar significativamente o desenvolvimento de novos medicamentos, enzimas industriais ou materiais biológicos, porque permitem testar milhares de hipóteses num curto espaço de tempo. No entanto, sublinham também que o papel dos cientistas humanos continua essencial para interpretar os resultados, definir as perguntas científicas e validar as conclusões.
Imagem de Kohji Asakawa por Pixabay
