El aprendizaje automático simplifica la ingeniería de proteínas con el marco MULTI-evolve

Estados Unidos - Agencia de Noticias Ekhbary

El aprendizaje automático simplifica la ingeniería de proteínas con el marco MULTI-evolve

En un salto significativo para la biotecnología y la medicina, los investigadores han presentado un nuevo marco de aprendizaje automático llamado MULTI-evolve. Este sofisticado sistema de inteligencia artificial está diseñado para agilizar drásticamente el complejo proceso de ingeniería de proteínas, prometiendo acelerar el desarrollo de proteínas avanzadas para aplicaciones que van desde productos farmacéuticos hasta enzimas industriales.

Tradicionalmente, la creación de proteínas de alto rendimiento para usos específicos, como medicamentos, biocombustibles o incluso detergentes para ropa, ha sido una tarea laboriosa y que consume mucho tiempo. A menudo implica ciclos extensos de ensayo y error, que incluyen numerosos ajustes, experimentos y optimizaciones para lograr la funcionalidad deseada. Un desafío clave radica en las complejas interacciones entre las mutaciones de los aminoácidos. La alteración de un solo aminoácido puede influir de manera impredecible en el efecto de las mutaciones posteriores, lo que convierte la búsqueda de combinaciones óptimas en un problema de alta dimensionalidad que requiere modificaciones iterativas y pruebas de laboratorio.

Patrick Hsu, bioingeniero de la Universidad de California, Berkeley, y del Arc Institute, describió el enfoque convencional como "un problema de búsqueda de muy alta dimensionalidad en el que, efectivamente, adivinamos y comprobamos". Este método, aunque capaz de producir resultados, es intrínsecamente ineficiente y costoso, y a menudo requiere meses o incluso años de investigación dedicada.

El marco MULTI-evolve aborda directamente estas limitaciones al integrar algoritmos avanzados de aprendizaje automático con experimentos de laboratorio. El flujo de trabajo está estructurado en tres etapas clave. Inicialmente, los investigadores aprovechan los datos existentes o emplean técnicas de aprendizaje automático para predecir el impacto de las sustituciones de aminoácidos individuales en la función de las proteínas. Posteriormente, para comprender la intrincada interacción entre las mutaciones, se sintetiza una serie de proteínas en el laboratorio, cada una incorporando dos mutaciones específicas. Luego se prueban para evaluar su rendimiento. Finalmente, los datos experimentales recopilados se utilizan para entrenar un modelo de aprendizaje automático. Este modelo entrenado puede predecir el rendimiento funcional de una proteína objetivo con cinco o más mutaciones, ofreciendo una comprensión completa de los efectos sinérgicos.

La eficacia de MULTI-evolve se ha demostrado mediante pruebas rigurosas en tres proteínas distintas. Estas incluyeron un anticuerpo crucial para el tratamiento de enfermedades autoinmunes y una proteína vital para la tecnología de edición genética CRISPR. En cada caso de prueba, el modelo MULTI-evolve identificó con éxito múltiples combinaciones de mutaciones que superaron significativamente a las proteínas originales en las evaluaciones de laboratorio. Esta validación subraya la capacidad del marco para identificar conjuntos sinérgicos de mutaciones que mejoran el rendimiento de las proteínas.

Hsu destacó la amplia aplicabilidad de MULTI-evolve, imaginando su uso en áreas críticas como el desarrollo de proteínas para rastrear movimientos moleculares dentro de las células y la ingeniería de terapias génicas más efectivas para personas con deficiencias enzimáticas. "Estamos entusiasmados con este trabajo", afirmó Hsu. "Creo que hay un gran interés en cómo esto realmente cambia la práctica de la ciencia".

Publicado en la prestigiosa revista Science, el desarrollo de MULTI-evolve representa un avance significativo en la biología computacional y la inteligencia artificial. Al reducir drásticamente la complejidad y el tiempo necesarios para el diseño de proteínas, este marco está preparado para desbloquear nuevas posibilidades en el descubrimiento de fármacos, la biología sintética y el desarrollo de biomateriales novedosos, acelerando así el progreso científico y la innovación en múltiples disciplinas.

Agencia de Noticias Ekhbary