A inteligência artificial AlphaFold, do Google, está sendo empregada para tornar as terapias de edição genética mais seguras e eficazes. Uma equipe de pesquisadores usou a IA para redesenhar proteínas-chave, minimizando erros indesejados, o que é crucial para o futuro da medicina personalizada.

As terapias baseadas em edição genética, embora promissoras, enfrentam o desafio da segurança. O genoma humano é vasto, e mesmo sequências raras de DNA podem aparecer repetidamente, levando a 'efeitos fora do alvo', onde a edição ocorre em locais errados. Estes erros, mesmo que de baixa probabilidade, tornam-se inevitáveis quando muitas células são editadas, como é comum em tratamentos.

Para combater isso, cientistas têm investido esforços consideráveis em maneiras de eliminar ou minimizar essas edições indesejadas. Recentemente, pesquisadores de diversas instituições na China descreveram na revista Nature uma abordagem inovadora: modificar o software de IA de dobramento de proteínas AlphaFold para identificar as áreas das proteínas de edição genética responsáveis pelos efeitos fora do alvo. Uma vez identificadas, essas áreas foram alteradas para reduzir os problemas.

Os sistemas de edição genética são compostos por três elementos principais: o RNA guia, que emparelha com a sequência de DNA alvo; as proteínas Cas (como a Cas9 do sistema CRISPR), que interagem com o RNA guia e o DNA genômico, garantindo a especificidade; e a proteína que interage com a Cas9 para modificar o DNA. Embora o emparelhamento entre o RNA guia e o genoma seja altamente específico (cerca de 18 bases), a Cas9 pode tolerar um pequeno número de bases mal emparelhadas, o que dificulta a previsão de quais RNAs guia podem ser perigosos.

A equipe por trás do novo trabalho partiu do princípio de que um híbrido DNA-RNA perfeitamente correspondente teria uma estrutura diferente de um com bases mal emparelhadas. A evolução otimizou a Cas9 para se ligar à estrutura correta, mas não impediu que ela adotasse conformações ligeiramente diferentes que podem interagir com estruturas mal emparelhadas. A chave, então, seria identificar e modificar as porções da Cas9 que medeiam essas interações problemáticas.

O processo começou com a construção de uma vasta biblioteca de locais de edição fora do alvo. Em seguida, a equipe utilizou o AlphaFold para examinar como o complexo CRISPR interagia com esses locais. Versões atualizadas do AlphaFold foram projetadas para lidar com interações entre proteínas e ácidos nucleicos. Após alguns ajustes iniciais (onde o software "engasgou" ao tentar processar o complexo completo), a equipe simplificou, alimentando o AlphaFold apenas com o DNA, RNA e a proteína Cas9, que é o principal fator na especificidade da sequência.

A comparação das estruturas geradas pelo AlphaFold para locais alvo e fora do alvo revelou um padrão geral: a maioria (cerca de dois terços) dos locais fora do alvo fazia com que a proteína Cas9 adotasse uma estrutura ligeiramente diferente. Além disso, quase todos (mais de 95%) alteravam quais aminoácidos entravam em contato com o RNA. Isso indicou que, em alguns casos, a Cas9 mantém sua estrutura normal, mas aminoácidos específicos se movem de forma a acomodar as bases mal emparelhadas.

Para refinar essa análise, os pesquisadores utilizaram a capacidade do AlphaFold de identificar a 'probabilidade de contato' – a chance de dois itens (como aminoácidos ou nucleotídeos) estarem a uma distância muito pequena. Comparando as probabilidades de contato para locais alvo e fora do alvo, eles identificaram exatamente quais aminoácidos na Cas9 alteravam seus contatos em caso de incompatibilidade entre o RNA guia e o DNA. Essa configuração de análise computadorizada foi batizada de 'ContactSeek'.

O ContactSeek, por si só, gerava uma longa lista de aminoácidos que se moviam quando ligados a um local fora do alvo. Então, os pesquisadores focaram nas regiões da proteína Cas9 onde esses aminoácidos se agrupavam, interpretando isso como um sinal de que essas áreas estavam se adaptando às diferenças causadas pelas bases incompatíveis. A partir daí, eles começaram a testar versões da Cas9 com diferentes aminoácidos nessas posições.

Ao todo, foram realizadas 23 trocas diferentes, inserindo um aminoácido distinto em uma das 10 posições-chave identificadas pelo trabalho com AlphaFold. Isso permitiu encontrar uma variante com atividade similar à Cas9 normal em locais que correspondiam à sequência alvo, enquanto sua atividade fora do alvo caiu de 28% para 5%. Resultados semelhantes foram obtidos com diferentes RNAs guia, e a abordagem também funcionou para um sistema similar que usava uma proteína Cas diferente (Cas12).

O que muda na prática

A aplicação da IA no redesenho de proteínas de edição genética traz avanços significativos para a área da biotecnologia e medicina, com as seguintes implicações práticas:

• Maior segurança nas terapias genéticas: Ao reduzir os efeitos fora do alvo, as terapias de edição genética se tornam mais seguras para os pacientes, minimizando o risco de edições indesejadas em outras partes do genoma.
• Precisão aprimorada: A capacidade de identificar e modificar os aminoácidos que causam interações problemáticas resulta em proteínas de edição genética mais precisas, focando exclusivamente no gene a ser editado.
• Metodologia geral para prevenção de erros: O trabalho descreve um método geral para produzir sistemas de edição genética adaptados para prevenir eventos fora do alvo conhecidos, o que pode acelerar o desenvolvimento de novas terapias.
• Potencial para outras aplicações: Além da edição genética, a abordagem pode ser útil para afinar interações proteína-DNA em um sentido mais amplo, abrindo portas para diversas aplicações biotecnológicas.
• Desenvolvimento acelerado de variantes: Em comparação com métodos anteriores, como a evolução dirigida, esta abordagem baseada em IA permite um desenvolvimento mais direcionado e potencialmente mais rápido de variantes de Cas9 com menor propensão a erros.

Embora as variantes desenvolvidas por esta nova abordagem tenham demonstrado resultados promissores, similares ou ligeiramente melhores que as existentes, os pesquisadores sugerem que algumas das mudanças identificadas poderiam ser combinadas com versões de Cas9 desenvolvidas anteriormente para melhorias ainda maiores, embora isso não tenha sido testado neste estudo. O trabalho representa um avanço potencial, oferecendo um método para personalizar sistemas de edição genética e superar gargalos no desenvolvimento de terapias.Fonte: Ars Technica AI (https://arstechnica.com/science/2026/07/team-uses-alphafold-ai-to-redesign-gene-editing-proteins-to-make-them-safer/)