Proteínas são macromoléculas formadas por sequências de aminácidos que se enrolam tridimensionalmente de forma extremamente complexa. Determinar a estrutura de uma proteína átomo a átomo, porém, é um processo demorado e custoso, e, embora já tenhamos decifrado cerca de 200 mil delas, isso é apenas a milésima parte do número estimado de proteínas existentes. Em outubro de 2024 a Real Academia de Ciências da Suécia concedeu o prêmio Nobel de Química a três pesquisadores que contribuíram para contornar esse problema criando ferramentas computacionais capazes de modelisar e predizer a estrutura 3D de praticamente todas as proteínas que existem, com impressionante nível de acerto. É um salto imenso que permitirá não só compreendermos melhor essas moléculas essenciais à vida, mas também desenvolver novos fármacos e tratamentos de forma muito mais rápida. Para entendermos um pouco mais do assunto - seu impacto, mas também suas limitações – convidamos Geancarlo Zanatta, professor do Departamento de Biofísica da UFRGS, que utiliza tanto técnicas experimentais quanto computacionais para investigar interações de fármacos com proteínas e também proteína-proteína. Conversando com ele, seu colega de Departamento, Jorge Quillfeldt (IB-UFRGS).

Produção e edição: Jorge Quillfeldt

Créditos da Imagem: Protein Production Technology International – sem autor indicado (October 29, 2024 at 12:20:41 EDT). Nobel Prize-winning AI: AlphaFold’s breakthrough in protein structure prediction. https://www.proteinproductiontechnology.com/post/nobel-prize-winning-ai-alphafolds-breakthrough-in-protein-structure-prediction

Folgen-ID: 1000675708314

GUID: https://www.ufrgs.br/frontdaciencia/2024/11/04/t15e09-desvendando-a-complexidade-proteica-nobel-de-quimica-2024/

Erscheinungs­datum: 5.11.2024, 00:00:00