A descoberta de novos medicamentos biológicos é uma das áreas mais promissoras — e também mais complexas — da biotecnologia. Para inovar nesse campo, a Amgen, uma das maiores empresas biofarmacêuticas do mundo, adotou inteligência artificial generativa para acelerar a engenharia de proteínas terapêuticas. Com o uso de IA, a empresa está redesenhando o processo de descoberta molecular, reduzindo anos de pesquisa a semanas e ampliando as possibilidades terapêuticas.
A criação de proteínas terapêuticas eficazes requer o design de cadeias de aminoácidos altamente específicas, com características estruturais e funcionais compatíveis com alvos biológicos complexos. O desafio está na imensa quantidade de possíveis combinações — a sequência de uma única proteína pode conter bilhões de variações. Tradicionalmente, identificar uma sequência viável exige extensivos ciclos de tentativa e erro em laboratório, o que consome tempo, recursos e limita a velocidade da inovação.
A Amgen implementou uma solução baseada em IA generativa aplicada à biologia computacional. Utilizando modelos similares aos de linguagem natural (como os LLMs), mas treinados com dados de sequências proteicas, a IA foi capaz de:
- “Aprender” a linguagem das proteínas, compreendendo como combinações de aminoácidos influenciam a estrutura e a função de uma molécula.
- Gerar novas sequências proteicas, com propriedades desejadas, como estabilidade, afinidade a alvos e baixa imunogenicidade.
- Simular e classificar virtualmente milhares de variantes antes de ir ao laboratório, priorizando apenas as mais promissoras para testes experimentais.
- Acelerar o design de anticorpos terapêuticos e outras proteínas aplicáveis ao tratamento de doenças complexas como câncer e doenças autoimunes.
A IA foi integrada aos fluxos de bioengenharia da empresa, atuando como copiloto de cientistas, que validam e refinam as sugestões do modelo com base em objetivos clínicos e regulatórios.
A adoção da IA generativa pela Amgen está redefinindo os limites da pesquisa em proteínas terapêuticas. Entre os principais ganhos, destacam-se:
- Redução significativa no tempo de descoberta de novas sequências funcionais.
- Aumento da taxa de acerto em testes laboratoriais, com menos retrabalho.
- Maior capacidade de inovação em áreas terapêuticas com alta complexidade.
- Integração fluida entre ciência de dados e biologia molecular.
- Potencial de levar novas terapias ao mercado com mais agilidade e menor custo.
