MIT usa IA generativa para otimizar códons e aumentar rendimentos na produção de proteínas terapêuticas

Um LLM treinado em sequências genómicas de levedura aprende “a gramática” do DNA para desenhar variantes que elevam títulos de proteínas — e, em testes, supera ou iguala ferramentas comerciais em vários alvos. [Não verificado]

biotecnologia,ia-generativa,otimizacao-de-codons,fabricacao-de-medicamentos,mit

Resumo

Engenheiros do MIT desenvolveram um modelo de linguagem grande (LLM) para otimização de códons, tratando sequências de DNA como uma linguagem. O objetivo é aumentar a eficiência com que células de levedura produzem proteínas terapêuticas, reduzindo custos e iteração experimental.

Segundo o texto, o trabalho foi publicado na PNAS e o modelo foi usado para melhorar a produção de proteínas como trastuzumab e hormona de crescimento humano, comparando o seu desempenho com ferramentas comerciais.

Na pratica

O sistema foca-se em otimização de códons: escolher, entre códons sinónimos, os que maximizam expressão numa célula hospedeira.
O modelo foi treinado num esquema codificador-decodificador com dados da levedura Komagataella phaffii, usando cerca de 5.000 proteínas naturais para aprender padrões de “sintaxe” e dependências de longo alcance em sequências.
Em testes com seis proteínas, as sequências geradas por IA foram comparadas com designs de quatro ferramentas comerciais (Azenta, IDT, GenScript e Thermo Fisher).
O texto afirma que o modelo do MIT obteve melhor consistência: 1.º lugar em 5 de 6 alvos, com melhorias reportadas como ~25% (hGH), ~3x (HSA) e aumentos de títulos em albuminas (por exemplo, BSA de 60 mg/L para 75 mg/L; MSA de 100 mg/L para 135 mg/L).
Para trastuzumab, a GenScript teria obtido o título mais alto, com a IA em 2.º, mantendo desempenho competitivo.
A análise de embeddings sugere que o modelo agrupou aminoácidos por propriedades (hidrofóbicos vs. polares) e aprendeu a evitar padrões associados a menor expressão (por exemplo, elementos cis negativos e repetições).
O texto diz que métricas tradicionais como o Codon Adaptation Index (CAI) não correlacionaram de forma consistente com rendimento e, por vezes, tiveram correlação negativa, reforçando a ideia de que frequência de códons não basta.

Limitacoes

A informação apresentada depende do texto fornecido e não inclui detalhes essenciais do artigo científico (métodos experimentais, variância, replicação, significância estatística, condições de cultura, e definições exatas de “baseline”). [Não verificado]

O texto também indica que o modelo é específico da espécie: o treino em K. phaffii não se transfere automaticamente para outros hospedeiros comuns (por exemplo, CHO), exigindo novos dados e treino.

Porque importa

Pode reduzir ciclos de tentativa-e-erro na manufatura biofarmacêutica, acelerando desenvolvimento e escala.
Sugere que modelos “linguísticos” captam dependências biológicas além de heurísticas de frequência.
Pode melhorar previsibilidade e consistência, um ponto fraco de abordagens comerciais variáveis.
Abre caminho para modelos por hospedeiro (levedura, bactérias, mamíferos) com impacto direto em custos e acesso a terapias.