IA mapeia evolução de proteínas em morcegos e cetáceos com IA

Cientistas Identificam Mecanismo-Chave na Evolução Convergente

Pesquisadores chineses descobriram um mecanismo fundamental por trás da evolução convergente, um fenômeno onde organismos distintos desenvolvem funções semelhantes de forma independente. A pesquisa, publicada recentemente na revista Proceedings of the National Academy of Sciences (PNAS), se baseou na análise das “características de ordem superior” das proteínas.

A investigação foi liderada pelo professor Zou Zhengting, do Instituto de Zoologia da Academia Chinesa de Ciências. A equipe empregou modelos de linguagem de proteínas, uma tecnologia de inteligência artificial, para mapear como essas características influenciam a evolução adaptativa. Essa abordagem representa um avanço significativo na compreensão de como a vida se diversifica.

A evolução convergente gera soluções similares em organismos com funções distintas, sem relação evolutiva próxima. Um exemplo notável são morcegos e cetáceos dentados, que desenvolveram de forma independente a ecolocalização. Estudos anteriores se concentravam em mudanças convergentes em aminoácidos específicos, mas evidências recentes sugerem que proteínas podem alcançar funções semelhantes mesmo sem coincidência exata de sequências, através da convergência em suas estruturas ou propriedades físico-químicas.

Leia também:

Pesquisadores chineses desenvolvem sistema inovador para transformar CO2 em plástico

Refrigerantes zero elevam risco de gordura no fígado, diz estudo chinês

Einstein à Malala: Nomes Famosos que Conquistaram o Nobel

“É como construir paredes semelhantes com tijolos diferentes”, explicaram os pesquisadores. “As sequências de aminoácidos podem variar, mas as estruturas e propriedades gerais das proteínas resultam em funções equivalentes.”

Inteligência artificial como ferramenta para decifrar proteínas

Para avançar na análise, a equipe de Zou desenvolveu o ACEP, uma estrutura computacional que aplica modelos de linguagem de proteínas pré-treinados. Esses modelos processam grandes volumes de sequências e transformam as informações em vetores de alta dimensão, capturando características de ordem superior. “O modelo de linguagem de proteínas identifica padrões estruturais e funcionais complexos por trás das sequências de aminoácidos”, afirmaram os cientistas.

O método do ACEP envolve três etapas: medir a distância entre vetores de proteínas homólogas, simular evolução neutra para criar uma distribuição de fundo e aplicar testes estatísticos para detectar sinais de convergência adaptativa.

Resultados confirmam eficácia do ACEP

A equipe testou o ACEP em proteínas conhecidas, como Prestin, envolvida na ecolocalização de mamíferos, e PEPC/PPCK, ligada à fotossíntese em plantas CAM. O método identificou sinais robustos de convergência de características de ordem superior.

O rastreamento genômico completo revelou centenas de genes candidatos a convergência entre morcegos e cetáceos dentados. Vários desses genes estão ligados à percepção sensorial, diretamente relacionada à ecolocalização. Além disso, novos candidatos foram confirmados por testes de seleção positiva, reforçando a hipótese de evolução convergente adaptativa.

Implicações para a biologia evolutiva

O estudo demonstra que a convergência de características de ordem superior constitui um mecanismo central da evolução adaptativa, superando limitações de métodos que analisam apenas posições de aminoácidos. “Nosso trabalho aprofunda a compreensão das leis da evolução e mostra o potencial da inteligência artificial para resolver problemas biológicos complexos”, disse Zou. “Esperamos expandir o uso da IA na biologia evolutiva.”

O ACEP oferece uma ferramenta para estudar padrões de convergência em escala genômica, com potencial para impactar pesquisas em biomedicina, ecologia e evolução molecular. O código do ACEP já está disponível na plataforma HuggingFace para a comunidade científica global. O estudo contou com apoio da Fundação Nacional de Ciências Naturais da China e do programa estratégico de P&D da Academia Chinesa de Ciências.