Construcción de nuevas proteínas con IA

El veloz desarrollo de la Inteligencia Artificial (IA) ha llevado al estudio de las proteínas por parte de la ciencia y la medicina a un nuevo nivel: crear proteínas que ayuden al sistema inmunitario a combatir nuevas infecciones. Investigadores del MIT CSAIL crearon «FrameDiff», una herramienta computacional para crear nuevas estructuras proteicas, aparte de las producidas por la naturaleza.

Esta herramienta, al igual que la desarrollada por DeepMind de Google, genera «marcos» que se alinean con las propiedades inherentes de las estructuras proteicas, lo que permite construir nuevas proteínas y facilitar, de esta manera, estructuras proteicas sin precedentes.

La IA generativa que crea nuevas estructuras de proteínas

Es bien sabido que los humanos estamos expuestos a un mundo natural en constante cambio, donde virus y patógenos dan lugar nuevas enfermedades, incluyendo el cáncer. Para combatir o revertir estas amenazas, encontrar proteínas que puedan unirse a sus dianas o acelerar las reacciones químicas, resulta crucial para el diagnóstico y el desarrollo de fármacos y vacunas para patógenos emergentes.

El diseño de proteínas en la naturaleza es sumamente lento, ya que puede tardar millones de años. El desarrollo de esta nueva tecnología busca dar una respuesta más rápida a estos problemas. Al generar estructuras proteicas sintéticas es posible diseñar nuevas proteínas que sean capaces de unirse a otras moléculas de manera eficiente, las cuales podrían usarse en la administración dirigida de fármacos y la biotecnología.

Asimismo, podría tener implicaciones en el campo de la biomedicina, ofreciendo nuevas posibilidades como la formación de proteínas de fotosíntesis y anticuerpos más eficientes, además del desarrollo de ingeniería de nanopartículas para terapia génica.

FrameDiff y la construcción de nuevas proteínas

Las proteínas tienen estructuras complejas, pues compuestas por muchos átomos conectados por enlaces químicos. Los átomos principales se denominan «columna vertebral», y cada triplete de átomos en dicha columna comparte el mismo patrón de enlaces y tipos de átomos. Los expertos usaron este patrón para crear algoritmos de aprendizaje automático utilizando conceptos de geometría y física, como los «marcos», ya los tripletes pueden modelarse como estos marcos.

Los marcos, que tienen una posición y rotación en 3D, pueden proporcionar información suficiente a los tripletes para conocer el entorno espacial. En este sentido, el algoritmo de aprendizaje automático tiene como tarea de aprender a mover cada marco para construir la estructura de la proteína. Y, de esta manera, crear nuevas proteínas nunca antes vistas en la naturaleza.

La función del algoritmo es mover y girar cada fotograma hasta que se parezca a la proteína original.

AlphaFold2: la herramienta de Google que predice estructuras proteicas 3D

En el 2021, la IA del laboratorio DeepMind de Google presentó AlphaFold2, un algoritmo de aprendizaje profundo capaz de hallar la estructura de una proteína, a partir de su secuencia de aminoácidos. Al predecir con precisión la forma plegada de las proteínas, esta herramienta puede darle cualquier secuencia y obtener la forma de la proteína al instante.

Al identificar la estructura de las proteínas es posible desarrollar fármacos que puedan modificarlas, incluyeron proteínas importantes como, los anticuerpos que combaten las enfermedades, la hemoglobina que transporta el oxígeno en los glóbulos rojos y las enzimas. Tanto FrameDiff, con el desarrollo de la «difusión SE(3)», y AlphaFold2, utilizan el concepto de marcos para modelar proteínas.

Hasta el momento, AlphaFold2 ha sido utilizado para el desarrollo de vacunas contra la malaria y fármacos para tratar el cáncer, entre otros. De hecho, ha tenido un gran impacto en la ciencia, acelerando la investigación en todos los campos de la biología.

Además, ha sido utilizado para el desarrollo de un modelo de IA generativa llamado Genie. Esta herramienta fue creada por Mohammed AlQuraishi, biólogo molecular y experto en IA de la Universidad de Columbia para el diseño de proteínas que emplea técnicas digitales para crear proteínas a medida. Genie es capaz de crear proteínas totalmente nuevas que nunca antes habían existido.

Las herramientas de IA generativa como Genie y las que usa FrameDiff, podrían ofrecer una enorme ayuda para el progreso científico, en especial, para comprender cómo la acumulación de fragmentos de proteína Tau en el cerebro humano interviene en la enfermedad del Alzheimer.

Retos y consideraciones éticas

A pesar de los avances, la construcción de nuevas proteínas con IA enfrenta varios retos. La complejidad de las interacciones biológicas significa que predecir con precisión cómo se comportará una proteína en un organismo vivo sigue siendo un desafío. La validación experimental sigue siendo fundamental para confirmar las predicciones realizadas por los modelos de IA.

Además, surgen consideraciones éticas respecto a la manipulación genética y la creación de nuevas proteínas. Es fundamental establecer regulaciones y directrices para garantizar que estas tecnologías se utilicen de manera responsable y segura.

Conclusión

A medida que los algoritmos se vuelven más sofisticados y la comprensión de las proteínas se profundiza, las posibilidades son infinitas. Desde tratamientos personalizados hasta soluciones ambientales, la IA está abriendo nuevas puertas en la investigación y el desarrollo de proteínas. Sin embargo, es esencial abordar los retos y las implicaciones éticas que acompañan a estos avances. El futuro de la biología de proteínas es emocionante, y la colaboración entre científicos e ingenieros de IA será clave para desbloquear su potencial.

Lecturas recomendadas

Revolución de la IA en las proteínas

IA generativa en farmacología