Biohub Lança Modelo de IA Open Source que Mapeia 6,8 Bilhões de Proteínas: O Que Isso Significa para Novos Medicamentos

ESMFold2 é o mecanismo de previsão de estrutura acoplado à arquitetura ESM3. Ele prevê estruturas de proteínas em nível atômico diretamente da sequência de dados, com velocidade e precisão de ponta, sem precisar dos alinhamentos múltiplos de sequências que tornam os métodos tradicionais mais lentos . Essa agilidade é o que torna viável a cobertura estrutural em grande escala.

O ESM Atlas passou por uma expansão impressionante. O Atlas Metagenômico ESM original, lançado pelo laboratório FAIR da Meta, cobria cerca de 600 milhões de estruturas proteicas . O atlas atualizado do Biohub agora mapeia 6,8 bilhões de proteínas com 1,1 bilhão de estruturas previstas — uma expansão de uma ordem de magnitude que oferece uma visão estrutural de uma porção muito maior do universo das proteínas .

Além disso, o lançamento inclui o esm3-sm-open-v1, um modelo generativo treinado em 2,78 bilhões de proteínas naturais e expandido com dados sintéticos para 3,15 bilhões de sequências, 236 milhões de estruturas e 539 milhões de anotações de função, totalizando 771 bilhões de tokens . Este modelo é liberado sob uma licença não comercial para uso acadêmico e sem fins lucrativos .

Como essas ferramentas aceleram a descoberta de medicamentos

A promessa prática está na velocidade e na escala. Projetar e validar um ligante proteico terapêutico tradicionalmente leva meses ou anos de trabalho iterativo e caro em laboratório. As ferramentas do Biohub comprimem esse processo para semanas ou até dias ao viabilizar três capacidades:

• Design de ligantes do zero (de novo): Pesquisadores podem projetar computacionalmente proteínas ligantes que têm como alvo específico proteínas ligadas a doenças, gerando candidatos a fármacos inteiramente in silico, antes mesmo de começar qualquer trabalho de bancada .
• Mapeamento da "matéria escura" do universo proteico: A esmagadora maioria das proteínas jamais foi caracterizada experimentalmente. O ESM Atlas fornece estruturas previstas por toda a árvore da vida, permitindo que cientistas explorem esse território inexplorado de forma computacional .
• Triagem in silico de alto rendimento: Bilhões de sequências de proteínas podem ser peneiradas por computador, reduzindo drasticamente o custo e a taxa de fracasso nas fases iniciais do desenvolvimento de fármacos .

Resultados de laboratório: ligantes que realmente funcionam

Uma crítica frequente às proteínas desenhadas por IA é que são bonitas no computador, mas falham no laboratório. O Biohub afirma que não é o caso aqui. Ligantes projetados inteiramente in silico usando esses modelos foram validados em experimentos reais — as proteínas criadas pela IA se ligaram de fato aos seus alvos pretendidos .

Alex Rives, chefe de ciência do Biohub, declarou que "esses modelos adquiriram uma representação tão precisa dos processos biológicos que é possível projetar computacionalmente interfaces proteicas e, em seguida, testá-las em laboratório com os resultados esperados" . Em termos práticos, significa que os modelos capturaram biologia fundamental suficiente para gerar projetos funcionais sem a necessidade de longos ciclos de otimização no laboratório.

A conexão com a Iniciativa de Biologia Virtual de US$ 500 milhões

Em 29 de abril de 2026, o Biohub anunciou a Iniciativa de Biologia Virtual (VBI), um compromisso de cinco anos e US$ 500 milhões para construir os conjuntos de dados multimodais e os modelos de IA necessários para criar modelos preditivos da célula humana . Desse total, US$ 100 milhões são destinados a coordenar esforços globais de geração de dados, e US$ 400 milhões vão para a geração própria de dados em larga escala e o desenvolvimento de tecnologias de última geração para medir, imagear e manipular sistemas biológicos .

O lançamento das ferramentas de biologia de proteínas é o primeiro grande resultado científico sob a égide da VBI. A iniciativa reúne alguns dos mais destacados parceiros institucionais em biologia e tecnologia do mundo, como o Broad Institute, Allen Institute, Arc Institute, Wellcome Sanger Institute, Human Cell Atlas, Human Protein Atlas, NVIDIA e Renaissance Philanthropy .

As raízes na pesquisa ESM do FAIR da Meta

A família ESM não nasceu no Biohub. Ela foi originalmente desenvolvida no laboratório FAIR da Meta AI, que publicou os primeiros modelos ESM-1 e lançou o ESMFold original na revista Science em 2023, gerando as primeiras 600 milhões de previsões de estruturas proteicas . Esse trabalho produziu o primeiro ESM Metagenomic Atlas, que na época era o maior banco de dados de estruturas previstas em alta resolução, cerca de três vezes maior do que qualquer outro banco de dados de estruturas proteicas existente .

Quando a EvolutionaryScale, a startup formada pela equipe original do ESM no FAIR, se desmembrou da Meta, o Biohub absorveu e deu continuidade à pesquisa. Este lançamento de quarta geração é fruto direto dessa linhagem, com o Biohub agora liderando o desenvolvimento como um empreendimento de ciência aberta e filantrópica .

Onde acessar os modelos

Pesquisadores podem experimentar e implementar essas ferramentas em múltiplas plataformas:

• Hugging Face: Os pesos dos modelos esm3-sm-open-v1 e ESMC 600M estão hospedados em huggingface.co/biohub/ sob uma licença de uso não comercial .
• Portal de Modelos de IA do Biohub: Um centro de recursos em biohub.org/ai-models para explorar e baixar os modelos .
• GitHub: Código, pesos dos modelos e exemplos de fluxos de trabalho estão disponíveis, seguindo o padrão de código aberto estabelecido pelos lançamentos anteriores do ESM .
• AWS SageMaker: Notebooks de uso pré-configurados permitem que pesquisadores dimensionem o ESM3 e o ESMC na infraestrutura de nuvem da AWS .
• Biohub Forge: Uma API hospedada para experimentação interativa com os modelos .