Raygun, una herramienta de IA capaz de rediseñar proteínas sin sacrificar su función

Un equipo científico ha desarrollado un marco de inteligencia artificial (IA) capaz de rediseñar proteínas: la herramienta puede crear versiones más cortas, más largas y altamente modificadas de estas sustancias, sin sacrificar su función y conservando su estructura.

Detrás de este método hay investigadores de la Facultad de Medicina de la Universidad de Duke, Estados Unidos, que si bien hablaron por primera vez de la herramienta en 2024 es ahora cuando publican los detalles en la revista Nature.

Esta, según los autores, abre nuevas posibilidades para la ingeniería de proteínas con tamaños y propiedades personalizadas, que se utilizarían en la investigación biológica y, en última instancia, para desarrollar en un futuro medicamentos dirigidos.

Las proteínas realizan una gran parte de las actividades que permiten la supervivencia de las células y son necesarias para la función y regulación de tejidos y órganos. Son cadenas de cientos de aminoácidos y la secuencia de estos determina la estructura tridimensional única de cada una de ellas.

En lugar de diseñar nuevas proteínas desde cero, el método, denominado Raygun, se basa en modelos de lenguaje de proteínas, sistemas de IA entrenados con millones de secuencias de proteínas naturales.

Rohit Singh, uno de los autores del trabajo, explica que existe un lenguaje que rige cómo la secuencia de aminoácidos de una proteína determina su estructura y función, pero "los científicos no lo comprenden del todo".

Los modelos de lenguaje de proteínas actúan como una especie de traductor, aprendiendo patrones de millones de secuencias proteicas y vinculándolos con la estructura y función biológicas, prosigue el investigador.

Raygun parte de esos modelos para ofrecer una nueva forma de representar las proteínas. En lugar de considerarlas simplemente como cadenas de aminoácidos de diferentes longitudes, el sistema las convierte en una representación matemática estandarizada que recoge los patrones clave aprendidos por la IA.

El método puede comparar, reducir, expandir o rediseñar proteínas conservando características estructurales y funcionales importantes.

Diversas pruebas demostraron que las proteínas generadas por IA mantuvieron la integridad estructural prevista y conservaron importantes sitios funcionales, detalla un comunicado de la Universidad de Duke.

Estudios en células vivas confirmaron la validez de este enfoque en proteínas fluorescentes utilizadas para la obtención de imágenes y en enzimas que desempeñan funciones celulares esenciales.

Además, experimentos validaron variantes, diseñadas mediante Raygun, del factor de crecimiento epidérmico, una proteína implicada en la cicatrización de heridas y vinculada a vías de señalización del crecimiento celular frecuentemente alteradas en el cáncer.

Este método podría ayudar a los investigadores a diseñar herramientas más eficientes para la terapia génica, la biotecnología y la investigación biomédica, a la vez que ofrece nuevas perspectivas sobre cómo evolucionan las proteínas en la naturaleza.

No es la primera vez que la IA se usa en el mundo de las proteínas. Por ejemplo, en 2021/2022 se dieron a conocer datos de los modelos AlphaFold (Google) y ESMFold (Meta) para la predicción de la estructura de estas moléculas.

En 2023 un equipo de la Universidad de Washington publicó el desarrollo de un tipo de estrategia de IA, usada para jugar al ajedrez, también para diseñar proteínas.