Biólogos entrenan IA para generar medicamentos y vacunas

Los científicos han desarrollado un software de inteligencia artificial que puede crear proteínas que pueden ser útiles como vacunas, tratamientos contra el cáncer o incluso herramientas para eliminar la contaminación por carbono del aire.

Esta investigación, publicada hoy en la revista Ciencias, fue dirigido por la Facultad de Medicina de la Universidad de Washington y la Universidad de Harvard. El artículo se titula «Sitios funcionales de proteínas de andamiaje mediante el aprendizaje profundo».

«Las proteínas que encontramos en la naturaleza son moléculas asombrosas, pero las proteínas diseñadas pueden hacer mucho más», dijo el autor principal David Baker, investigador del HHMI y profesor de bioquímica en UW Medicine. «En este trabajo, mostramos que el aprendizaje automático se puede utilizar para diseñar proteínas con una amplia variedad de funciones».

Durante décadas, los científicos han usado computadoras para tratar de diseñar proteínas. Algunas proteínas, como los anticuerpos y las proteínas de unión sintéticas, se han adaptado a medicamentos para combatir la COVID-19. Otros, como las enzimas, ayudan en la fabricación industrial. Pero una sola molécula de proteína a menudo contiene miles de átomos enlazados; incluso con software científico especializado, son difíciles de estudiar y diseñar.

Inspirándose en cómo los algoritmos de aprendizaje automático pueden generar historias o incluso imágenes a partir de indicaciones, el equipo se propuso crear un software similar para diseñar nuevas proteínas. «La idea es la misma: las redes neuronales se pueden entrenar para ver patrones en los datos. Una vez entrenadas, puede darle un aviso y ver si puede generar una solución elegante. A menudo, los resultados son convincentes, o incluso hermosos», dijo el líder. autor Joseph Watson, becario postdoctoral en UW Medicine.

El equipo entrenó múltiples redes neuronales utilizando información del Protein Data Bank, que es un depósito público de cientos de miles de estructuras de proteínas de todos los reinos de la vida. Las redes neuronales resultantes han sorprendido incluso a los científicos que las crearon.

El equipo desarrolló dos enfoques para diseñar proteínas con nuevas funciones. La primera, denominada «alucinación», es similar a DALL-E u otras herramientas generativas de IA que producen nuevos resultados basados ​​en indicaciones simples. La segunda, denominada «repintar», es análoga a la función de autocompletar que se encuentra en las barras de búsqueda modernas y en los clientes de correo electrónico.

«La mayoría de las personas pueden generar nuevas imágenes de gatos o escribir un párrafo a partir de un aviso si se les pide, pero con el diseño de proteínas, el cerebro humano no puede hacer lo que las computadoras ahora pueden», dijo el autor principal Jue Wang, becario postdoctoral en UW Medicine. «Los humanos simplemente no pueden imaginar cómo sería la solución, pero hemos creado máquinas que lo hacen».

Para explicar cómo las redes neuronales «alucinan» una nueva proteína, el equipo la compara con la forma en que podría escribir un libro: «Empiezas con una variedad aleatoria de palabras: un galimatías total. Luego impones un requisito como ese en el párrafo inicial. , tiene que ser una noche oscura y tormentosa. Luego, la computadora cambiará las palabras una a la vez y se preguntará: «¿Esto hace que mi historia tenga más sentido?» Si es así, mantendrá los cambios hasta que se complete la historia. escrito», explica Wang.

Tanto los libros como las proteínas pueden entenderse como largas secuencias de letras. En el caso de las proteínas, cada letra corresponde a un componente químico llamado aminoácido. Comenzando con una cadena aleatoria de aminoácidos, el software muta la secuencia una y otra vez hasta que se genera una secuencia final que codifica la función deseada. Estas secuencias finales de aminoácidos codifican proteínas que luego pueden fabricarse y estudiarse en el laboratorio.

El equipo también demostró que las redes neuronales pueden completar las piezas faltantes de una estructura proteica en solo unos segundos. Dicho software podría ayudar en el desarrollo de nuevos medicamentos.

«Con el autocompletado, o ‘proteína en pintura’, comenzamos con las características clave que queremos ver en una nueva proteína, luego dejamos que el software proponga el resto. Esas características pueden ser motivos de unión conocidos o incluso sitios activos de enzimas», explica Watson.

Las pruebas de laboratorio revelaron que muchas proteínas generadas a través de alucinaciones y pinturas funcionaron según lo previsto. Esto incluyó proteínas novedosas que pueden unirse a metales, así como aquellas que se unen al receptor anticancerígeno PD-1.

Las nuevas redes neuronales pueden generar varios tipos diferentes de proteínas en tan solo un segundo. Algunos incluyen vacunas potenciales para el mortal virus respiratorio sincitial, o RSV.

Todas las vacunas funcionan presentando una parte de un patógeno al sistema inmunitario. Los científicos a menudo saben qué pieza funcionaría mejor, pero crear una vacuna que logre la forma molecular deseada puede ser un desafío. Usando las nuevas redes neuronales, el equipo impulsó a una computadora a crear nuevas proteínas que incluían el fragmento patógeno necesario como parte de su estructura final. El software era gratuito para crear cualquier estructura de soporte alrededor del fragmento clave, lo que produjo varias vacunas potenciales con diversas formas moleculares.

Cuando se probó en el laboratorio, el equipo descubrió que los anticuerpos conocidos contra el RSV se adhirieron a tres de sus proteínas alucinadas. Esto confirma que las nuevas proteínas adoptaron sus formas previstas y sugiere que pueden ser candidatos a vacunas viables que podrían incitar al cuerpo a generar sus propios anticuerpos altamente específicos. Todavía se necesitan pruebas adicionales, incluso en animales.

«Empecé a trabajar en el material de la vacuna solo como una forma de probar nuestros nuevos métodos, pero en medio de trabajar en el proyecto, mi hijo de dos años se infectó con RSV y pasó una noche en la sala de emergencias para que le hicieran sus pulmones. Me hizo darme cuenta de que incluso los problemas de ‘prueba’ en los que estábamos trabajando eran bastante significativos», dijo Wang.

«Estos son nuevos enfoques muy poderosos, pero todavía hay mucho margen de mejora», dijo Baker, quien recibió el Premio Breakthrough 2021 en Ciencias de la Vida. «Diseñar enzimas de alta actividad, por ejemplo, sigue siendo un gran desafío. Pero cada mes nuestros métodos siguen mejorando. El aprendizaje profundo transformó la predicción de la estructura de proteínas en los últimos dos años; ahora estamos en medio de una transformación similar en el diseño de proteínas. »