Predição de Estruturas Moleculares com AlphaFold 2 e 3

Introdução

Em outubro de 2024, o Prémio Nobel de Química reconheceu o trabalho do AlphaFold 2, um modelo de aprendizagem profunda desenvolvido pela Google DeepMind que prevê com precisão a estrutura 3D de uma proteína apenas a partir da sua sequência de aminoácidos. Dizer que este trabalho é revolucionário parece um eufemismo, dado o quão crítico é o papel das proteínas nos processos biológicos e quão interligada está a estrutura de uma proteína com a sua função. Historicamente, os investigadores passavam todo o seu doutoramento ou anos da sua carreira a tentar resolver a estrutura de uma única proteína usando métodos experimentais como cristalografia de raios X ou microscopia crioeletrónica. Isto atrasava várias áreas da investigação biológica, incluindo a identificação de bons candidatos a fármacos para tratar uma infinidade de condições atualmente sem tratamento.

Principais Conclusões

O AlphaFold 2 não se destina a competir com técnicas experimentais de laboratório, mas sim a fornecer hipóteses testáveis que possam orientar os investigadores na previsão da estrutura de proteínas. O AlphaFold 2 foi treinado com dados do Protein Data Bank.
O AlphaFold 3 possui capacidades adicionais em relação ao AlphaFold 2, incluindo a capacidade de prever estruturas de complexos que contêm todos os tipos moleculares presentes na Protein Data Bank, exceto moléculas de água. O AlphaFold 3 pode lidar com:
- Complexos de proteínas com DNA, RNA, pequenas moléculas ligantes e iões
- Estruturas com modificações pós-traducionais de proteínas (incluindo glicosilação)
Tanto o AlphaFold 2 como o 3 utilizam MSA (Alinhamento de Sequências Múltiplas) como entrada, mas o AlphaFold 3 utiliza cadeias de RNA além de proteínas.
O AlphaFold 2 é gratuito para uso sob a licença Apache 2.0, enquanto o AlphaFold 3 está limitado a uso não comercial.

Pré-requisitos

Dado que este artigo aborda a previsão da estrutura molecular, recomendamos que tenha ou adquira familiaridade com biomoléculas e a respetiva terminologia biológica (por exemplo, proteínas, RNA, ligandos, etc.). Também será necessário solicitar os parâmetros do modelo Alphafold 3 para utilizar o modelo Alphafold 3 com fins não comerciais. O acesso pode ser concedido em 2-3 dias úteis.

Além disso, para seguir as instruções de implantação, o artigo assume familiaridade com conceitos técnicos, incluindo infraestrutura de cloud (Linux-Console.net GPU Droplets), operações de linha de comando (SSH, git) e conteinerização usando Docker.

Compreender as Entradas

Alinhamento Múltiplo de Sequências

O AlphaFold2 utiliza o Alinhamento Múltiplo de Sequências (MSA) para compreender as relações evolutivas entre proteínas. O MSA é eficaz devido à lógica de que os aminoácidos em contacto entre si provavelmente sofrerão mutações simultaneamente caso uma mutação seja induzida.

Arquitetura do Modelo (AF2 vs. AF3)

Funcionalidade	AlphaFold 2	AlphaFold 3
Processador Principal	Evoformer: Integra profundamente as características MSA e de pares ao longo de todo o processo.	Pairformer: Simplifica o processamento de MSA; foca-se em representações por pares.
Motor de Saída 3D	Módulo de Estrutura: Utiliza enviesamentos físicos/geométricos (molduras/torções).	Módulo de Difusão: Denoising generativo de coordenadas atómicas brutas.
Restrições de Simetria	Aplica rigidamente a invariância de rotação/tradução.	Abandona muitas restrições geométricas explícitas para uma maior flexibilidade.
Versatilidade de Entrada	Principalmente otimizado para sequências de aminoácidos (proteínas).	Sistema unificado de "tokens" para proteínas, ácidos nucleicos e pequenos ligandos.

Compreender os Resultados

Métricas de Confiança

O AlphaFold fornece métricas de confiança, como pLDDT, pTM e PAE.

pLDDT

pLDDT (teste predito de diferença de distância local) refere-se à previsão do valor LDDT (Teste de Diferença de Distância Local). Este valor é uma medida da confiança na estrutura local por resíduo. Em outras palavras, indica o quão seguros estamos de que a estrutura prevista é consistente com uma estrutura experimental. Este valor é escalonado de 0 a 100, sendo que pontuações mais altas indicam maior confiança e, geralmente, uma previsão mais precisa.

pTM e ipTM

A pontuação de modelagem de template prevista (pTM) e a pontuação de modelagem de template da interface prevista (ipTM) derivam ambas da pontuação de modelagem de template, que mede a precisão da estrutura completa. Uma pontuação pTM acima de 0,5 sugere que o dobramento do complexo previsto pode corresponder à estrutura real. A ipTM avalia o posicionamento relativo previsto das subunidades: valores acima de 0,8 indicam previsões de alta confiança, abaixo de 0,6 sugerem provável insucesso, e entre 0,6 e 0,8 é incerto. Para estruturas pequenas ou cadeias curtas (menos de 20 tokens), a pontuação TM torna-se excessivamente rigorosa, produzindo valores pTM abaixo de 0,05; neste caso, PAE ou pLDDT indicam melhor a qualidade da previsão.

PAE

PAE, erro de alinhamento previsto, é uma medida de quão confiante o AlphaFold 2 está na posição e orientação relativas de duas cadeias laterais (resíduos) na estrutura prevista. Valores mais altos correspondem a um erro previsto maior e, portanto, a uma confiança menor.

Devo usar o AlphaFold 2 ou 3?

O AlphaFold 3 supera o AlphaFold 2 em precisão e pode prever complexos de multi-moléculas, mas as diferenças de licenciamento significam que o AlphaFold 2 continua a ser essencial para muitos utilizadores. O AlphaFold 2 está disponível gratuitamente para uso académico e comercial sob a licença Apache 2.0, enquanto o AlphaFold 3 está limitado apenas a uso não comercial; não pode ser utilizado para investigação comercial, para treinar modelos de IA concorrentes ou para produzir resultados com fins comerciais. Além disso, os índices de confiança do AlphaFold 3 para polímeros são fortemente influenciados pelo contexto não polimérico, como iões ou ligandos, pelo que, para estudos apenas com polímeros, como interações proteína-proteína, pode ser necessário adicionar moléculas contextuais para obter resultados fiáveis, ao passo que o AlphaFold 2 evita esta complexidade, embora com precisão ligeiramente inferior. Tendo em conta estes fatores, a Google DeepMind continua a apoiar o AlphaFold 2 como uma ferramenta valiosa para investigação e desenvolvimento.

Alphafold 2 no Linux-Console.net

O AlphaFold 2 requer o download de quase ~2,5 TB de bases de dados genéticas (UniRef90, MGnify, BFD, etc.). Vamos precisar de anexar um Volume de Armazenamento em Bloco (2,5 TB para AF2 ou 1 TB para AF3) para armazenar as bases de dados genéticas.

Passo 1: Configuração do Ambiente (AF2)

Escolha a imagem Ubuntu “AI/ML Ready” para garantir que os drivers NVIDIA e o Docker estão pré-instalados.

Ligue-se ao seu Droplet GPU via SSH:

ssh root@your_droplet_ip

Também precisamos garantir que o nosso sistema esteja atualizado.

Atualize o índice de pacotes local.

sudo apt update && sudo apt upgrade -y

Descarregue as bases de dados genéticas e os parâmetros do modelo. Este passo pode demorar algum tempo.

scripts/download_all_data.sh /path/to/your/storage > download.log 2> download_error.log &

Passo 3: Construir a imagem Docker e instalar as dependências

docker build -f docker/Dockerfile -t alphafold .
pip3 install -r docker/requirements.txt

Passo 4: Executar o Modelo

python3 docker/run_docker.py \
  --fasta_paths=your_protein.fasta \
  --max_template_date=2022-01-01 \
  --data_dir=$DOWNLOAD_DIR \
  --output_dir=/home/user/absolute_path_to_the_output_dir

Alphafold 3 no Linux-Console.net

Também vamos mostrar como executar o AlphaFold 3 usando os nossos GPU Droplets. Note que este modelo está limitado a uso não comercial. Preencha este formulário para receber acesso aos parâmetros do modelo. A permissão é normalmente concedida dentro de 2-3 dias úteis.

Passo 1: Configuração do Ambiente (AF3)

Escolha a imagem Ubuntu “AI/ML Ready” para garantir que os drivers NVIDIA e o Docker estão pré-instalados.

Ligue-se ao seu Droplet GPU via SSH:

ssh root@your_droplet_ip

Passo 2: Clonar o Repositório

Instale o git e faça o download do repositório AlphaFold 3:

git clone https://github.com/google-deepmind/alphafold3.git
cd alphafold3

Passo 3: Executar o Modelo Alphafold 3

docker build -t alphafold3 -f docker/Dockerfile .

docker run -it \
    --volume $HOME/af_input:/root/af_input \
    --volume $HOME/af_output:/root/af_output \
    --volume <MODEL_PARAMETERS_DIR>:/root/models \
    --volume <DB_DIR>:/root/public_databases \
    --gpus all \
    alphafold3 \
    python run_alphafold.py \
    --json_path=/root/af_input/fold_input.json \
    --model_dir=/root/models \
    --output_dir=/root/af_output

Perguntas Frequentes

Quais são as principais diferenças entre o AlphaFold 2 e o AlphaFold 3?

Enquanto o AlphaFold 2 revolucionou a previsão da estrutura das proteínas, o AlphaFold 3 expande significativamente o horizonte. As principais diferenças incluem:

Âmbito Molecular: O AF2 centra-se quase exclusivamente em proteínas. O AF3 pode prever complexos envolvendo ADN, ARN, ligandos e iões.
Arquitetura: O AF2 utiliza o módulo “Evoformer”, enquanto o AF3 utiliza um “Pairformer” mais simples e uma cabeça baseada em difusão.
Licenciamento: Este é o mais importante. O AF2 está sob a licença Apache 2.0 (uso comercial permitido), enquanto o AF3 está atualmente limitado a uso não comercial.

Porque é que eu preciso de 2,5 TB de armazenamento para o AlphaFold 2?

O próprio modelo não ocupa muito espaço de armazenamento - na verdade, são as bases de dados genéticas. O AlphaFold 2 depende do Alinhamento de Sequências Múltiplas (MSA) para entender como as proteínas evoluíram. Para fazer isto, precisa de pesquisar em bibliotecas enormes como UniRef90, MGnify e a Grande Base de Dados Fantástica (BFD).

Nota: Se tiver pouco espaço de armazenamento, o AlphaFold 3 necessita de uma base de dados menor (~1 TB) em comparação com o conjunto completo do AlphaFold 2.

Como interpreto os valores de confiança $pLDDT$?

O pLDDT (teste previsto de diferença de distância local) é uma medida por resíduo de confiança numa escala de 0 a 100:

90: Alta confiança; estas regiões são provavelmente altamente precisas e podem ser utilizadas para análise estrutural detalhada.

70 - 90: Boa confiança; a coluna vertebral provavelmente está correta.
50 - 70: Confiança baixa; use com cautela.
< 50: Confiança muito baixa; estas regiões são frequentemente “intrinsecamente desordenadas”, o que significa que não têm uma estrutura 3D fixa isoladamente.

Posso executar o AlphaFold num Droplet padrão sem uma GPU?

Tecnicamente, o “folding” (inferência) poderia correr num CPU, mas seria proibitivamente lento - isto demoraria dias ou semanas para estruturas complexas que uma GPU consegue processar em minutos. Além disso, as imagens AlphaFold Docker estão otimizadas para o toolkit CUDA da NVIDIA. Para qualquer investigação prática, um Droplet GPU da Linux-Console.net é essencialmente um requisito.

O que é uma cadeia SMILES e por que é que o AlphaFold 3 a precisa?

SMILES significa Sistema Simplificado de Entrada de Linhas para Moléculas. É um sistema de notação que representa estruturas químicas como uma cadeia de texto. Como o AlphaFold 3 pode prever como as proteínas interagem com fármacos de pequenas moléculas (ligandos), você fornece a estrutura do fármaco através de uma cadeia SMILES (por exemplo, CC(=O)OC1=CC=CC=C1C(=O)O para a Aspirina).

A estrutura prevista é "final"?

Não necessariamente. Embora o AlphaFold seja extremamente preciso, é um modelo preditivo, não uma observação experimental. Na descoberta de fármacos ou na biologia molecular, o AlphaFold é mais útil para gerar hipóteses testáveis e orientar experiências de laboratório que possam ser verificadas.

Conclusão

Parabéns por teres conseguido chegar até aqui. Acabas de (esperemos que com sucesso) implementar o Alphafold 2 e/ou 3 num Droplet GPU da Linux-Console.net com Armazenamento em Volume da Linux-Console.net. O AlphaFold torna a biologia estrutural mais acessível, permitindo que investigadores de todo o mundo obtenham insights que teriam exigido anos de trabalho experimental dispendioso. No entanto, alguns investigadores alertam que confiar apenas no AlphaFold sem validação experimental—particularmente na descoberta de fármacos—pode conduzir a modelos mecanísticos errados, sublinhando a importância contínua de integrar previsões computacionais com verificação laboratorial. Para além do seu impacto científico imediato, o AlphaFold exemplifica como a inteligência artificial pode enfrentar desafios científicos complexos, oferecendo um vislumbre de como as ferramentas computacionais continuarão a transformar a nossa compreensão do mundo natural e a nossa capacidade de enfrentar desafios prementes na descoberta científica.

Referências e Recursos Adicionais

Artigo AlphaFold 2: Predição de estruturas de proteínas com alta precisão com o AlphaFold

Artigo AlphaFold3: Predição precisa da estrutura de interações biomoleculares com o AlphaFold 3

Alinhamento Múltiplo de Sequências: Este é um ótimo recurso para desenvolver a sua compreensão sobre AMS.

Prever estruturas de proteínas com ColabFold e AlphaFold2 Colab: Isto irá fornecer-lhe uma introdução a correr o AlphaFold sem instalar e executar o software completo AlphaFold2. Aqui, os parâmetros mais importantes que podem ser alterados são: número de recycles, profundidade do alinhamento múltiplo de sequências (MSA), sementes aleatórias usadas para iniciar as previsões e se se deve fornecer uma estrutura de modelo. A saída do ColabFold inclui ficheiros PDB, valores/gráficos pLDDT, ficheiro MSA, etc.

Perguntas Frequentes sobre o Servidor AlphaFold: O Servidor AlphaFold é outra alternativa para executar o AlphaFold3.

Obrigado por aprender com a comunidade Linux-Console.net.