Linguagem natural chega a softwares de design de proteínas e genomas

As melhores ferramentas de design de proteínas funcionam em duas etapas. Primeiro, o usuário define restrições (ligar a outra molécula, ou um arranjo específico de aminoácidos). Uma IA gera a forma da proteína, e outra preenche essa forma com a sequência de aminoácidos que garante o dobramento correto. Isso exige conhecer o mecanismo da enzima até a posição de cada aminoácido.

O Pinal, criado por um grupo de pesquisadores baseados na China, mantém as duas etapas, mas troca a entrada: você descreve em linguagem natural o que quer. O módulo T2struct converte o texto em uma sequência linear de tokens que representa a relação espacial entre cada aminoácido e seus vizinhos, com probabilidades. Depois, o SAProt-T usa o texto e esses tokens para montar a sequência final, reavaliando tudo de forma global. O treino usou etiquetas de função de bancos com milhões de proteínas, descrições geradas por um LLM e estruturas previstas pelo AlphaFold. Só um dos bancos tinha 800 milhões de pares palavra-chave e proteína.

O teste foi modesto. Para a proteína fluorescente, o Pinal gerou 50.000 candidatas, filtradas até 29, produzidas em E. coli. Uma fluoresceu. Os autores filtraram sequências parecidas com as fluorescentes conhecidas e não testaram estruturas diferentes da GFP, então a taxa baixa não conta a história inteira. Na outra frente, Hugging Face, Zhongguancun Academy e a Universidade de Nápoles apresentaram o Carbon X, modelo de pesos abertos baseado no Qwen3-14B, retreinado com DNA. Roda em hardware local (a demonstração usou um MacBook), mas erra posições em sequências longas e pode alucinar com prompts vagos.

O tema de IA aplicada a proteínas aparece em outras matérias do CEVIU, mas como assuntos distintos. Em 27 de julho de 2026, o CEVIU noticiou "IA AlphaFold Redesenha Proteínas para Edição Genética Mais Segura", e em 21 de outubro de 2026, "IA Claude da Anthropic Projeta Proteínas Promissoras Contra Veneno de Escorpião". Nesses casos a IA entrava em tarefas específicas. Agora a novidade é a interface: o pedido em linguagem natural substitui a especificação técnica detalhada.

Para quem desenvolve ferramentas científicas, a leitura é que a camada de prompt vira interface padrão também na biologia, como no código. Para quem opera pesquisa, o gargalo muda de lugar: sai a especificação, entram a triagem computacional e o laboratório que valida. O ganho tende a ser de acesso e velocidade, não de dispensar biólogos.