Un nuevo sistema de Inteligencia Artificial (IA) diseña proteínas que se unen con éxito a moléculas objetivo, con potencial para avanzar en el diseño de fármacos, la comprensión de enfermedades y mucho más. A continuación le comentaremos todo lo que debe conocer sobre AlphaProteo.
Datos más destacados acerca de AlphaProteo
Desde Google presentan AlphaProteo su primer sistema de IA para diseñar nuevos aglutinantes de proteínas de alta resistencia que sirvan como elementos básicos para la investigación biológica y sanitaria. Es de resaltar que, esta tecnología tiene el potencial de acelerar nuestra comprensión de los procesos biológicos y ayudar al descubrimiento de nuevos medicamentos, el desarrollo de biosensores y mucho más.
Según se ha dado a conocer, AlphaProteo tiene la capacidad de poder generar nuevos aglutinantes proteicos para diversas proteínas objetivo, incluida la VEGF-A, que está asociada con el cáncer y las complicaciones de la diabetes. Esta es la primera vez que una herramienta de Inteligencia Artificial ha podido diseñar un aglutinante proteico exitoso para la VEGF-A.
Inclusive, Alphaproto igualmente logra tasas de éxito experimental más altas y afinidades de unión de 3 a 300 veces mejores que los mejores métodos existentes en 7 proteínas objetivo que probaron.
Aprender las complejas formas en que las proteínas se unen entre sí
Según se informa, es difícil diseñar aglutinantes de proteínas que puedan unirse firmemente a una proteína objetivo. Los métodos tradicionales requieren mucho tiempo y varias rondas de trabajo de laboratorio exhaustivo. Una vez creados los aglutinantes, se someten a rondas experimentales adicionales para optimizar la afinidad de unión, de manera que se unan lo suficientemente fuerte como para ser útiles.
AlphaProteo, que se entrenó con grandes cantidades de datos de proteínas del banco de datos de proteínas (PDB) y más de 100 millones de estructuras predichas de AlphaFold, ha aprendido las incalculables formas en que las moléculas se unen entre sí. Dada la estructura de una molécula objetivo y un conjunto de ubicaciones de unión preferidas en esa molécula, AlphaProteo genera una proteína candidata que se une al objetivo en esas ubicaciones.
Demostración de éxito en importantes objetivos de unión a proteínas
Desde la compañía han dado a conocer que para probar AlphaProteo, diseñaron aglutinantes para diversas proteínas objetivo, incluidas 2 proteínas virales involucradas en la infección, BHRF1 y el dominio de unión al receptor de la proteína de pico del SARS-CoV-2 , SC2RBD, y 5 proteínas involucradas en el cáncer, la inflamación y las enfermedades autoinmunes, IL-7Rɑ , PD-L1 , TrkA , IL-17A y VEGF-A.
La empresa ha señalado que su sistema posee índices de éxito de unión altamente competitivos y la mejor fuerza de unión de su clase. Para 7 objetivos, AlphaProteo generó proteínas candidatas in silico que se unieron fuertemente a sus proteínas deseadas cuando se probaron experimentalmente.
Cabe aclarar que, en el caso de un objetivo en particular, la proteína viral BHRF1, el 88 % de las moléculas candidatas se unieron con éxito cuando se probaron en el laboratorio húmedo de Google DeepMind. Según los objetivos probados, los aglutinantes AlphaProteo igualmente se unen con una fuerza 10 veces mayor, en promedio, que los mejores métodos de diseño existentes.
Ahora bien, es inherente señalar que, para otro objetivo, TrkA, los aglutinantes son incluso más fuertes que los mejores aglutinantes diseñados previamente para este objetivo que han pasado por múltiples rondas de optimización experimental.
Validando los resultados
Además de la validación in silico y las pruebas de AlphaProteo en el laboratorio de la compañía, contrataron a los grupos de investigación de Peter Cherepanov, Katie Bentley y así mismo, David LV Bauer del Instituto Francis Crick para validar los aglutinantes de proteínas. A lo largo de diferentes experimentos, profundizaron en algunos de sus aglutinantes SC2RBD y VEGF-A más potentes. Los grupos de investigación confirmaron que las interacciones de unión de estos aglutinantes eran, de hecho, similares a lo que AlphaProteo había predicho. Además, los grupos corroboraron que los aglutinantes poseen una función biológica útil. Por ejemplo, se demostró que algunos de los aglutinantes SC2RBD evitan que el SARS-CoV-2 y algunas de sus variantes infecten las células.
El rendimiento de AlphaProteo indica que podría disminuir drásticamente el tiempo necesario para los experimentos iniciales que involucran aglutinantes de proteínas para una extensa gama de aplicaciones. Sin embargo, saben que su sistema de IA tiene limitaciones, puesto no pudo diseñar aglutinantes exitosos contra un octavo objetivo, TNFɑ, una proteína asociada con enfermedades autoinmunes como la artritis reumatoide. Seleccionaron TNFɑ para desafiar de manera sólida a AlphaProteo, puesto que el análisis computacional mostró que sería extremadamente difícil diseñar aglutinantes contra él. Según han informado, seguirán mejorando y expandiendo las capacidades de AlphaProteo con el objetivo de abordar eventualmente objetivos tan desafiantes.
Lograr una unión fuerte suele ser sólo el primer paso en el diseño de proteínas que podrían ser útiles para aplicaciones prácticas, y hay muchos más obstáculos de bioingeniería que superar en el proceso de investigación y desarrollo.
Por otra parte, según dieron a conocer, en el futuro, trabajaran con la comunidad científica para aprovechar AlphaProteo en problemas de biología de gran impacto y comprender sus limitaciones. Del mismo modo, han estado explorando sus aplicaciones de diseño de fármacos en Isomorphic Labs y se encuentran entusiasmados por lo que les depara el futuro.
Al mismo tiempo, según señalan, seguirán mejorando la tasa de éxito y la afinidad de los algoritmos de AlphaProteo, ampliando la gama de problemas de diseño que puede abordar y trabajando con investigadores en aprendizaje automático, biología estructural, así como también bioquímica y otras disciplinas para desarrollar una oferta de diseño de proteínas responsable y más completa para la comunidad.
