El Instituto para el Diseño de Proteínas ayudó a marcar el comienzo de una era para que los científicos predijeran la estructura de una proteína utilizando herramientas de inteligencia artificial, un logro que lo ayudó a ganar el premio «Avance del año» de Ciencias revista el año pasado por su software RoseTTAFold.
El grupo de la Universidad de Washington ahora muestra cómo se puede usar la IA para crear nuevas proteínas más rápido de lo que era posible anteriormente. Los avances, publicados en tres artículos en Cienciasdebería acelerar el desarrollo de nuevas proteínas para biomedicina, materiales y otros usos.
“El software para predecir estructuras de proteínas es parte de la solución, pero no puede generar nada nuevo por sí solo”, dijo el becario postdoctoral del IPD, Justas Dauparas, en un comunicado de prensa.
El IPD ha estado durante mucho tiempo a la vanguardia de la fabricación de nuevas proteínas: su software de diseño de proteínas ha sido licenciado a 30 000 grupos académicos y es la base de múltiples esfuerzos comerciales, incluidos los spin-outs de IPD como Cyrus Biotechnology e Icosavax. Los nuevos estudios van más allá del software caballo de batalla de IPD para aprovechar la IA para la construcción de proteínas.
En un estudio publicado en julio, los investigadores mostraron cómo la IA puede generar nuevas formas de proteínas al «alucinar» primero una forma basada en un mensaje simple, en la forma en que DALL-E u otras herramientas de IA producen resultados. La estructura se refina a través de un proceso denominado «repintar», que el grupo compara con una función de autocompletar.
En un segundo estudio publicado el jueves, los investigadores aceleraron el proceso, mostrando su nueva herramienta de software impulsada por IA, llamada ProteinMPNN. Completa la tarea de diseño en un segundo, más de 200 veces más rápido que las herramientas anteriores. En un tercer estudio realizado el jueves, los investigadores evaluaron sus diseños utilizando AlphaFold, una herramienta de inteligencia artificial desarrollada por DeepMind de Alphabet similar a RoseTTAFold que también ganó el premio «Avance del año». Descubrieron que era probable que las proteínas diseñadas se plegaran en las formas previstas.
«Descubrimos que las proteínas hechas con ProteinMPNN tenían muchas más probabilidades de plegarse según lo previsto, y pudimos crear ensamblajes de proteínas muy complejos usando estos métodos», dijo Basile Wicky, becario postdoctoral de IPD.
«ProteinMPNN es para el diseño de proteínas lo que AlphaFold fue para la predicción de la estructura de proteínas», dijo David Baker, director de IPD y autor principal de los tres estudios.
Deja una respuesta