Rumbo al diseño de proteínas impulsadas por Inteligencia Artificial

El diseño de proteínas es la creación o modificación de proteínas utilizando algoritmos de inteligencia artificial para predecir su estructura, función y propiedades, lo que facilita el diseño de moléculas que no existen en la naturaleza o que son mejoras de las existentes.

El nuevo modelo, llamado GPT-4b, es una versión personalizada del modelo GPT-4o de OpenAI creado específicamente para Retro y que se centra en la bioingeniería. Curiosamente, el modelo se centra menos en predecir estructuras proteínicas específicas, como AlphaFold de Deepmind, sino en predecir cómo esas proteínas interactuarán con otras.

Utilizando el modelo, los científicos de Retro rediseñaron dos proteínas del factor Yamanaka, que desempeñan un papel clave en el desarrollo fetal. Estudios anteriores han descubierto que si se introducen estas proteínas en una célula adulta madura, como una célula de la piel, hará que vuelva a comportarse como una célula madre. Investigadores de todo el mundo están intentando aprovechar esta propiedad para desarrollar tratamientos para enfermedades como la ceguera y la diabetes.

Sin embargo, uno de los desafíos para el desarrollo de estos tratamientos es que las proteínas Yamanaka que se encuentran en la naturaleza son terriblemente ineficientes para convertir células maduras en células madre. Sin embargo, las primeras pruebas de laboratorio mostraron que estas versiones recientemente diseñadas producían aproximadamente 50 veces más de los biomarcadores asociados con este tipo de reprogramación celular. Esto sugiere que son significativamente mejores para producir células madre que las proteínas que se encuentran en la naturaleza.

En el futuro, las dos empresas planean realizar más investigaciones para validar estos hallazgos iniciales y explorar su potencial en el desarrollo de nuevos tratamientos para enfermedades.

Por ejemplo, avanzar en la creación de proteínas terapéuticas específicas, personalizadas para enfermedades como el cáncer y enfermedades raras, la optimización de enzimas para convertir biomasa en combustibles, la producción de proteínas alternativas para alimentos, como proteínas «cultivadas» en laboratorio que imitan la carne, enzimas para la degradación de plásticos u otros contaminantes, etc.

Algunas de las ventajas de utilizar la IA es que el diseñar proteínas de manera tradicional puede llevar años, mientras que con IA puede reducirse a semanas o meses, mejora la predicción de estructuras funcionales y evita errores costosos y facilita la creación de proteínas completamente nuevas.

Aún así, diseñar proteínas con IA requiere pruebas extensas en laboratorio para confirmar su funcionalidad y es necesario establecer normas claras para evitar usos indebidos

Fuente: Forbes