Raygun: una herramienta de IA para rediseñar proteínas manteniendo su función

Un avance en ingeniería de proteínas

Investigadores de la Facultad de Medicina de la Universidad de Duke, Estados Unidos, presentaron los detalles de Raygun, una herramienta de inteligencia artificial para el rediseño de proteínas. Si bien el equipo mencionó esta tecnología por primera vez en 2024, ahora publica un análisis exhaustivo en la revista Nature.

Según los autores, Raygun abre nuevas posibilidades para la ingeniería de proteínas con tamaños y propiedades personalizadas, aplicables en investigación biológica y, potencialmente, en el desarrollo futuro de medicamentos dirigidos.

¿Cómo funcionan las proteínas?

Las proteínas realizan funciones esenciales que permiten la supervivencia celular y son necesarias para el funcionamiento y regulación de tejidos y órganos. Están constituidas por cadenas de cientos de aminoácidos, cuya secuencia determina la estructura tridimensional única de cada proteína.

El funcionamiento de Raygun

En lugar de diseñar nuevas proteínas desde cero, Raygun se basa en modelos de lenguaje de proteínas, sistemas de inteligencia artificial 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. 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.

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 inteligencia artificial.

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

Validación experimental

Diversas pruebas demostraron que las proteínas generadas por inteligencia artificial mantuvieron la integridad estructural prevista y conservaron importantes sitios funcionales, según informó la Universidad de Duke.

Estudios en células vivas confirmaron la validez de este enfoque en proteínas fluorescentes utilizadas para 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.

Aplicaciones potenciales

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.

IA en el estudio de proteínas

No es la primera vez que la inteligencia artificial se utiliza en el campo de las proteínas. Entre 2021 y 2022 se dieron a conocer datos de los modelos AlphaFold (Google) y ESMFold (Meta) para la predicción de la estructura de estas moléculas.