ProtGPT3: an Open-source family of Promptable and Aligned Protein Language Models

Imagine que você tem um livro de receitas mágico e gigante que conhece todas as receitas para todos os pratos do universo. No mundo da biologia, este "livro de receitas" é um programa de computador que entende as "receitas" para construir proteínas — as minúsculas máquinas que mantêm os seres vivos vivos.

O artigo apresenta uma nova versão de código aberto deste livro de receitas chamado ProtGPT3. Veja como ele funciona, explicado através de analogias simples:

1. O Problema: Muito Caos

Anteriormente, esses programas de computador eram como um chef que conseguia inventar milhões de novos pratos, mas que frequentemente inventava refeições sem sentido que ninguém conseguia comer. Os cientistas queriam guiar o chef para fazer tipos específicos de pratos (como "massa apimentada" ou "sobremesas veganas"), mas era difícil dar instruções claras sem ter que retreinar o chef do zero toda vez.

2. A Solução: Uma Família Flexível de Chefs

Os autores criaram toda uma família desses chefs de proteína, variando de pequenos e rápidos a massivos e superinteligentes (com até 10 bilhões de "células cerebrais"). Eles os tornaram abertos para que todos possam usar, assim como uma biblioteca pública de receitas.

3. Duas Novas Maneiras de Dar Instruções

O artigo destaca duas maneiras inteligentes de dizer a esses chefs o que cozinhar, sem a necessidade de retreiná-los:

• O Método do "Prompt" (Few-Shot Prompting): Em vez de ensinar ao chef uma linguagem inteira nova, você apenas mostra a ele alguns exemplos do prato que deseja. É como entregar a um chef a foto de um "bolo de chocolate perfeito" e dizer: "Faça algo como isto". O artigo descobriu que este método é tão bom quanto a antiga e lenta maneira de retreinar o chef, porém muito mais rápido e fácil.
• O Método do "Alinhamento" (Fine-Tuning): Isso é como ensinar ao chef um conjunto de regras estritas sobre o que torna um "bom" prato. Os pesquisadores ensinaram os modelos a evitar a criação de receitas "insípidas" ou repetitivas (de baixa complexidade), mantendo, ao mesmo tempo, a diversidade de sabores. Isso garante que as proteínas geradas sejam de alta qualidade e estáveis.

4. O Superpoder "MSA"

Alguns desses chefs possuem uma habilidade especial chamada MSA (Multiple Sequence Alignment). Pense nisso como um chef que não olha apenas para uma receita, mas consegue olhar para uma pilha inteira de receitas semelhantes de diferentes culturas para entender a essência de um prato.

• O Resultado: Quando a equipe tentou projetar uma proteína específica para remover o flúor (uma "defluorase de baixos dados"), o chef que utilizou este método da "pilha de receitas" (ProtGPT3-MSA) teve um desempenho melhor do que os chefs que foram retreinados do zero.
• Prova no Mundo Real: Eles não apenas simularam isso em um computador; eles realmente construíram a proteína em um laboratório. Funcionou: a proteína se dissolveu adequadamente e foi expressa com sucesso, provando que o design do computador era real e funcional.

5. Dirigindo o Navio em Tempo Real

Finalmente, o artigo descreve um novo truque chamado "inferência de Feynman–Kac". Imagine que você está dirigindo um carro em direção a um destino. Normalmente, você escolhe uma rota e segue por ela. Este novo método é como ter um GPS que ajusta constantemente o seu volante enquanto você dirige para garantir que você permaneça exatamente no caminho para o seu alvo, mesmo que a estrada fique difícil. Isso permite que os cientistas guiem a geração de proteínas em direção a um objetivo específico no exato momento da criação.

Em resumo: Os autores construíram um kit de ferramentas versátil e de código aberto que ajuda os cientistas a projetar novas proteínas de forma mais fácil. Eles mostraram que você nem sempre precisa retreinar a IA; às vezes, apenas dar bons exemplos ou usar uma abordagem de "pilha de receitas" funciona melhor, é mais rápido e produz resultados que realmente funcionam no mundo real.