Científicos de la Facultad de Medicina de la Universidad de Washington utilizaron la IA para diseñar nuevas moléculas proteínicas de un modo que abre interesantes posibilidades para la detección y el tratamiento de enfermedades.
La eficacia de un fármaco en el tratamiento de una enfermedad depende en gran medida de su especificidad a la hora de adherirse a la diana causante de la enfermedad y de la fuerza con que se adhiera a ella.
La cantidad casi infinita de formas potenciales de proteínas hace que diseñar una proteína con alta afinidad (fuerza de unión) y alta especificidad sea una tarea extremadamente difícil.
Encontrar proteínas que se unan fuertemente a objetivos peptídicos helicoidales como el glucagón, el neuropéptido Y y la hormona paratiroidea era la difícil tarea en la que los investigadores esperaban que la IA pudiera ayudarles. Su artículo, publicado en Naturemuestra el potencial de la IA para revolucionar desarrollo de fármacos.
Los investigadores utilizaron por primera vez métodos de alucinación de aprendizaje profundo con AlphaFold2 y RosettaFold. Estos programas avanzados de IA han sido de gran ayuda para diseñar nuevas proteínas, pero consumen mucha potencia de cálculo.
En un esfuerzo por encontrar un método de diseño de proteínas más eficiente desde el punto de vista computacional, los investigadores recurrieron a un método similar al que utilizan modelos de generación de imágenes de inteligencia artificial como Stable Diffusion y DALL-E.
Papel de hoy @Nature describe @UWproteindesign Proteína generada por IA con una afinidad y especificidad de unión excepcionalmente altas. Esta biotecnología tiene implicaciones para el desarrollo de fármacos, la detección de enfermedades y la vigilancia del medio ambiente. https://t.co/KhtGhiyf6I
- UW Medicine Newsroom (@uwmnewsroom) 18 de diciembre de 2023
RFdifusión
RFdiffusion es un innovador modelo generativo de inteligencia artificial que se entrena con datos de estructuras proteicas conocidas. A continuación, el modelo refina y reorganiza iterativamente los átomos en estructuras proteicas definidas.
RFdiffusion se entrenó para eliminar iterativamente el ruido de las nubes de átomos desconectados y, a continuación, reorganizarlas en nuevas estructuras proteicas. Este modelo se utilizó junto con la herramienta de software ProteinMPNN, diseñada por el laboratorio Baker, que forma parte del proyecto Instituto de Diseño de Proteínas en la Universidad de Washington.
ProteinMPNN toma una estructura proteica como entrada y utiliza técnicas de aprendizaje profundo para identificar rápidamente nuevas secuencias de aminoácidos que probablemente se plieguen en estructuras proteicas específicas.
Resultados apasionantes
Las proteínas diseñadas por los investigadores mostraron una afinidad y especificidad excepcionalmente altas con los péptidos a los que se dirigían. Esto significa que podrían utilizarse para crear fármacos dirigidos a la causa de una enfermedad, en lugar de unirse a dianas no deseadas y provocar efectos secundarios.
La síntesis de proteínas no es algo nuevo, pero este nuevo método permitió obtener proteínas con la mayor fuerza de interacción jamás registrada entre una biomolécula diseñada por ordenador y su objetivo.
David Baker, catedrático de bioquímica de la UW Medicine e investigador del Instituto Médico Howard Hughes, fue el autor principal del trabajo de investigación.
Baker explicó la importancia de los resultados diciendo: "La capacidad de generar nuevas proteínas con una afinidad y especificidad de unión tan altas abre un mundo de posibilidades, desde nuevos tratamientos de enfermedades hasta diagnósticos avanzados".
Actualmente hay muchas enfermedades que se tratan con anticuerpos. Sin embargo, los anticuerpos son caros de producir y no tienen una gran vida útil.
Preetham Venkatesh, uno de los investigadores principales, declaró: "Hoy en día hay muchas enfermedades difíciles de tratar simplemente porque es todo un reto detectar ciertas moléculas en el organismo. Como herramientas para el diagnóstico, las proteínas diseñadas pueden ofrecer una alternativa más rentable que los anticuerpos."
Los investigadores pudieron validar sus métodos de biodiseño realizando pruebas de laboratorio en colaboración con el laboratorio Joseph Rogers de la Universidad de Copenhague y el laboratorio Andrew Hoofnagle de UW Medicine.
Esta investigación es un magnífico ejemplo de cómo la IA está acelerando el desarrollo de nuevos tratamientos para enfermedades. El artículo aún no ha sido revisado por expertos, pero los primeros resultados son muy interesantes.
