IA decifra pulgão

A inteligência artificial pode ajudar os cientistas a resolver puzzles biológicos complexos, mas mesmo os sistemas avançados têm limitações quando a informação disponível é incompleta. Um estudo recente sobre proteínas de afídeos ilustra como a combinação de previsões computacionais com evidências genéticas pode superar um problema de investigação desafiante.

Os cientistas descobriram que milhares de proteínas que sofrem alterações rápidas partilham uma base estrutural comum, oferecendo novas pistas sobre a forma como estes minúsculos insetos influenciam o desenvolvimento das plantas.

A Descoberta de uma Família de Proteínas Oculta

Os pulgões podem influenciar o desenvolvimento de certas plantas ao introduzir proteínas especializadas nos seus tecidos. Em alguns casos, este processo leva as plantas a formar estruturas chamadas galhas, que oferecem um local para os insetos viverem e alimentarem a sua descendência.

Os cientistas têm vindo a estudar um grupo destas moléculas conhecido como proteínas BICYCLE. O nome refere-se a um padrão repetitivo que envolve o aminoácido cisteína. Embora os investigadores já tivessem identificado estas proteínas, compreender as suas funções continuava a ser um desafio, uma vez que as suas sequências genéticas diferiam substancialmente das proteínas conhecidas e registadas nas bases de dados científicas.

Normalmente, os investigadores comparam a sequência de aminoácidos de uma proteína desconhecida com exemplos já estudados. As semelhanças podem fornecer pistas sobre a sua forma e função biológica. No entanto, esta abordagem revelou-se menos eficaz para as proteínas BICYCLE, dado que estas tinham sofrido alterações profundas ao longo da evolução.

Por que razão a Previsão da IA ​​Falhou

Para investigar a questão, a equipa de investigação colaborou com biólogos estruturais de forma a determinar a configuração física de duas proteínas BICYCLE através de cristalografia de raios X. Esta técnica laboratorial ajuda os cientistas a determinar como os átomos estão organizados dentro de uma molécula. As estruturas resultantes serviram como uma referência importante para testar o AlphaFold2, um sistema de IA concebido para prever a forma das proteínas a partir das suas sequências de aminoácidos.

Inicialmente, o AlphaFold2 não conseguiu reproduzir as estruturas determinadas experimentalmente. O problema não era apenas a falta de capacidade computacional. O sistema também utiliza informações evolutivas — incluindo padrões partilhados por proteínas relacionadas — para melhorar as suas previsões. Como as proteínas BICYCLE eram tão invulgares, as bases de dados disponíveis não ofereciam comparações úteis suficientes. Consequentemente, faltava à IA uma importante fonte de contexto biológico.

A evolução fornece as pistas que faltavam

Os investigadores abordaram o problema recolhendo informações genéticas adicionais de diferentes espécies de pulgões. O trabalho incluiu a recolha de amostras no campo nos Estados Unidos e no Japão, seguida da sequenciação do genoma para revelar as relações entre as proteínas.

Estas comparações forneceram evidências evolutivas que não tinham sido detetadas na análise original. Com a informação adicional disponível, o AlphaFold2 previu com sucesso uma estrutura correspondente à estabelecida através de cristalografia. A equipa estendeu então a abordagem a sete espécies de pulgões, gerando cerca de 2.400 previsões estruturais de alta fiabilidade.

Uma característica consistente surgiu dos resultados: as proteínas partilhavam um arranjo estrutural conhecido como folding do tipo saposina (*saposin-like fold*). Em termos simples, pareciam seguir um padrão tridimensional comum, embora as suas sequências individuais tivessem sofrido alterações consideráveis. A descoberta revelou uma ligação que as comparações convencionais de sequências não tinham conseguido identificar.

Uma estrutura, muitas funções possíveis

Partilhar uma base estrutural não significa necessariamente que as proteínas desempenhem funções idênticas. Os investigadores observaram uma variação significativa nas propriedades químicas das superfícies externas das proteínas. Algumas regiões diferiam nas suas características elétricas e na interação com a água. As tentativas de classificar as proteínas em grupos claramente definidos com base nestas propriedades não foram bem-sucedidas.

Esta diversidade sugere que as proteínas BICYCLE podem interagir com as moléculas das plantas de diversas formas. Em vez de dependerem de um mecanismo específico, as proteínas poderiam influenciar vários processos biológicos no interior das células vegetais. Os investigadores propuseram ainda que a rápida evolução proteica pode ajudar os afídeos a manter estas interações, tornando, ao mesmo tempo, as suas moléculas mais difíceis de serem reconhecidas pelas plantas. No entanto, as funções precisas de cada proteína ainda requerem mais investigação.

O que a descoberta significa para a investigação futura

O estudo, publicado na *Proceedings of the National Academy of Sciences* em setembro de 2026, oferece uma abordagem útil para examinar proteínas que sofreram tantas alterações ao ponto de os métodos de comparação convencionais não as conseguirem reconhecer facilmente. A sua importância vai além dos pulgões.

Outros sistemas biológicos contêm também proteínas de evolução rápida que continuam a ser difíceis de caracterizar. A combinação de medições laboratoriais, sequenciação genética, análise evolutiva e previsões de IA pode ajudar os investigadores a investigar estas moléculas de forma mais eficaz. No entanto, as estruturas previstas não substituem a evidência experimental.

A investigação demonstra que a IA pode tornar-se mais eficaz quando os investigadores fornecem o contexto biológico adequado. Ao combinar estruturas determinadas experimentalmente com informações genéticas de várias espécies de afídeos, a equipa revelou um padrão estrutural comum escondido sob uma extensa variação proteica.

O desafio seguinte é determinar como estas moléculas influenciam as células vegetais e se as suas diversas estruturas correspondem a diferentes funções biológicas. À medida que a investigação avança, o estudo pode ajudar os cientistas a compreender melhor as interações complexas das plantas, demonstrando, ao mesmo tempo, como o conhecimento evolutivo pode fortalecer as descobertas auxiliadas pela IA.