La inteligencia artificial acelera el diseño de proteínas para aplicaciones médicas y energéticas

La creación o modificación de piezas fundamentales en la vida, históricamente generó entusiasmo en la biotecnología. Ante este panorama, la inteligencia artificial (IA) alcanzó un hito que podría reformular el rumbo del ámbito, ya que posibilita el diseño de proteínas completamente nuevas.

Esto habilita aplicaciones que abarcan desde vacunas innovadoras hasta cultivos más productivos y materiales avanzados. En el centro de esta transformación se sitúa la investigación del Instituto de Diseño de Proteínas (IPD) de la Universidad de Washington, liderada por el Nobel de Química, David Baker, junto con un ecosistema de empresas tecnológicas y farmacéuticas.

De acuerdo con lo difundido por The Economist, este modelo recupera y amplifica el potencial original de la nanotecnología mediante herramientas digitales capaces de diseñar moléculas a medida para afrontar desafíos globales.

IA en diseño desde cero y síntesis de nuevas proteínas

La inteligencia artificial permite crear proteínas inexistentes en la naturaleza, optimizadas para necesidades específicas. Tradicionalmente, la ingeniería de proteínas modificaba moléculas ya existentes, como enzimas o anticuerpos, para mejorar su función.

Sin embargo, el equipo del IPD, liderado por Nate Ennist y David Baker, va más lejos: utiliza modelos de IA para concebir proteínas desde el principio, definiendo cadenas de aminoácidos que se pliegan en estructuras totalmente nuevas y funcionales.

El desarrollo se sustenta en tres herramientas principales creadas por el IPD:

• RFdiffusion: predice la función de una proteína a partir de su estructura, utilizando una base de datos con más de 200.000 proteínas naturales. Opera de forma análoga a los modelos de difusión que generan imágenes, pero en el universo de las proteínas.
• ProteinMPNN: se basa en datos sobre la interacción entre aminoácidos y otras moléculas, permitiendo diseñar cadenas que se pliegan en la forma deseada.
• RoseTTAFold: modelo de aprendizaje automático inspirado en un software creado por Baker en los años 90 que verifica, a nivel computacional, que las cadenas diseñadas adoptarán la estructura prevista antes de fabricar la proteína en el laboratorio.

Después de las etapas virtuales, los científicos sintetizan el ADN correspondiente y lo introducen en bacterias o levaduras para producir la proteína y comprobar su funcionalidad. Este método acelera el ciclo de diseño y prueba, reduciendo tiempos y costos en el desarrollo molecular.

Posibles aplicaciones: salud, energía, materiales y agricultura

El diseño de proteínas con IA tiene impacto en múltiples sectores. En salud, el IPD creó la vacuna SKYCovione contra la Covid-19, que emplea copias sintéticas de fragmentos de la proteína de espícula del SARS-CoV-2 para inducir una respuesta inmune efectiva. Los investigadores también desarrollaron proteínas que neutralizan venenos de serpiente, actuando como anticuerpos, pero siendo más pequeñas y fáciles de producir.

A su vez, el equipo de Baker trabaja en proteínas capaces de transformar el abordaje del Alzheimer, diseñando moléculas que se unan a los precursores de las placas características de la enfermedad. En edición genética, el IPD mejora las herramientas CRISPR-Cas mediante nucleasas personalizadas que se adhieren a secuencias de ADN específicas, ampliando opciones de edición y reduciendo riesgos.

En energía, la investigadora Nate Ennist y sus colegas proponen rediseñar la fotosíntesis, facilitando que las plantas aprovechen más espectros de luz, y no solo el rojo y el azul, para generar energía. Apuntan a transformar el uso de la energía capturada y producir hidrocarburos en vez de azúcares, lo que podría marcar el inicio de una generación de células solares biológicas capaces de producir combustibles líquidos.

Por la parte de materiales, el IPD desarrolla fibras proteicas circulares que forman nuevos tejidos, materiales híbridos inspirados en el hueso y enzimas capaces de degradar plásticos difíciles de reciclar, como el PET, transformándolos en productos químicos útiles.

Simultáneamente, también investigan dispositivos de proteínas como sensores que identifican moléculas específicas, diseñando verdaderas “narices artificiales” útiles en diagnóstico y control ambiental.

Proyectos clave y empresas líderes en IA y proteínas

El liderazgo del IPD y David Baker impulsó la participación de diversos actores en el diseño de proteínas mediante IA. Alphabet, la matriz de Google, impulsa dos proyectos clave dirigidos por Sir Demis Hassabis, ganador del Nobel de Química 2023 y uno de los creadores de AlphaFold.

Isomorphic Labs, radicada en Londres, colabora con farmacéuticas (como Eli Lilly y Novartis) para analizar cómo interactúan candidatas a fármacos con sus proteínas objetivo. Por su parte, AlphaProteo (Google DeepMind) se centra en crear proteínas que se unan a objetivos precisos, ampliando el alcance de la biomedicina.

Otras empresas exploran enfoques diferentes. En algunas casos desarrollaron modelos de IA inspirados en los grandes modelos de lenguaje que usan los chatbots. Estas plataformas tratan secuencias de aminoácidos como palabras, identificando patrones útiles a partir de millones de ejemplos.

La compañía EvolutionaryScale lleva estas ideas más allá con su modelo ESM3, que integra datos sobre estructura, función y secuencia de proteínas. Según Alex Rives, científico jefe, su base de datos contiene 2.800 millones de entradas. Además añadió que trabajan en una primera versión de célula virtual donde las proteínas interactúan, lo que podría revolucionar la simulación biológica.

Una nueva era para la nanotecnología

El resurgimiento de la nanotecnología impulsada por IA plantea perspectivas inéditas. Rediseñar la fotosíntesis, por ejemplo, podría ir más allá de los biocombustibles si se aplica a cultivos ya existentes, aumentando los rendimientos agrícolas si se resuelven los retos de seguridad y aceptación pública.

Mientras que en la industria química, las enzimas diseñadas con IA superan a muchos catalizadores convencionales, incrementando la eficiencia de los procesos. También pueden surgir innovaciones inesperadas, como la creación de “puertas lógicas” de proteínas, que prometen regular la expresión genética en las células y formarse en estructuras tridimensionales más compactas que los circuitos de silicio.