A inteligência artificial (IA) transformou o design de proteínas ao permitir que modelos treinados em dados de sequência e estrutura em grande escala gerem proteínas com funções específicas. Esses modelos são melhor compreendidos no contexto de um pipeline de fim a fim que inclui curadoria de dados, desenvolvimento de modelos, geração e filtragem de candidatos e validação experimental. Aqui, revisamos métodos de design de proteínas guiados por IA que abrangem todo esse pipeline. Começamos com uma introdução ao design de proteínas guiado por IA e, em seguida, delineamos os principais componentes do pipeline e avaliamos o desempenho em três áreas de aplicação principais: ligantes, anticorpos e enzimas. Ao consolidar resultados experimentais de diferentes abordagens, fornecemos uma referência prática para métodos que atualmente têm sucesso no laboratório e destacamos a importância contínua do feedback experimental na promoção do design de proteínas guiado por IA.
Kosonocky et al. (Sun,) estudaram esta questão.