Diseño de nuevas proteínas de gran tamaño con IA
Nuevo método para diseñar proteínas artificiales
El diseño de proteínas pretende crear anticuerpos personalizados para terapias, biosensores para diagnósticos o enzimas para reacciones químicas. Un equipo internacional de investigadores ha desarrollado ahora un método para diseñar nuevas proteínas de gran tamaño mejor que antes y producirlas con las propiedades deseadas en el laboratorio. Su método consiste en una nueva forma de utilizar las capacidades del software basado en IA Alphafold2, por el que se concedió el Premio Nobel de Química en 2024.
Ya sea como componentes básicos, sistemas de transporte, enzimas o anticuerpos, las proteínas desempeñan un papel vital en nuestro organismo. Por ello, los investigadores intentan recrearlas o diseñar las llamadas proteínas de novo, que no existen en la naturaleza. Estas proteínas artificiales se diseñan para unirse a determinados virus o transportar fármacos, por ejemplo. Los científicos recurren cada vez más al aprendizaje automático para diseñarlas. Recientemente, los avances en este campo han sido galardonados con el Premio Nobel de Química: El Nobel de este año ha recaído en David Baker, pionero del diseño de novo de proteínas, y en los desarrolladores del software Alphafold2 Demis Hassabis y John Jumper. Este software permite predecir estructuras proteicas en el ordenador con gran precisión.
Un equipo internacional dirigido por Hendrik Dietz, catedrático de Nanotecnología Biomolecular de la Universidad Técnica de Múnich (TUM), y Sergey Ovchinnikov, catedrático de Biología del MIT, ha desarrollado ahora un método que utiliza la precisa predicción de estructuras de Alphafold2 junto con un enfoque denominado de descenso por gradiente para el diseño eficiente de proteínas. El trabajo se ha publicado en la revista Science.
El descenso gradiente es un método habitual para la optimización de modelos. En un proceso paso a paso, puede utilizarse para identificar desviaciones de la función deseada y ajustar los parámetros hasta alcanzar el resultado óptimo. En el diseño de proteínas, el descenso gradiente puede utilizarse para comparar la estructura de las nuevas proteínas predichas por AlphaFold2 con la estructura de la proteína deseada. Esto permite a los científicos optimizar aún más su cadena de aminoácidos recién diseñada y la estructura resultante. Esta última determina en gran medida la estabilidad y la función de la proteína y depende de sutiles interacciones energéticas.
Superposición virtual de los bloques de construcción
El nuevo método permite diseñar nuevas proteínas de gran tamaño mejor que antes y adaptarlas a las propiedades deseadas, por ejemplo, para que se unan con precisión a otras proteínas. Su proceso de diseño difiere de los enfoques anteriores en varios aspectos.
"Hemos diseñado el proceso para nuevas proteínas de modo que inicialmente ignoramos los límites de lo físicamente posible. Normalmente, en cada punto de la cadena de aminoácidos sólo se asume uno de los 20 bloques de construcción posibles. En lugar de ello, utilizamos una variante en la que todas las posibilidades se superponen virtualmente", afirma Christopher Frank, doctorando de la Cátedra de Nanotecnología Biomolecular y primer autor del estudio.
Esta superposición virtual no puede traducirse directamente en una proteína realmente producible. Pero permite optimizar la proteína de forma iterativa. "Mejoramos la disposición de los aminoácidos en varias iteraciones hasta que la nueva proteína se aproxima mucho a la estructura deseada", explica Christopher Frank. Esta estructura optimizada se utiliza entonces para determinar la secuencia de aminoácidos que realmente puede ensamblarse en una proteína en el laboratorio.
La prueba decisiva: ¿cómo se cumplen las predicciones en la vida real?
La prueba definitiva para todas las proteínas de nuevo diseño: ¿se corresponde la estructura real con la construcción prevista y la función deseada? Con el nuevo método, el equipo diseñó virtualmente más de 100 proteínas, las produjo en el laboratorio y las probó experimentalmente. "Pudimos demostrar que las estructuras que diseñamos son muy parecidas a las que se producen realmente", afirma Christopher Frank.
Con su nuevo método, fueron capaces de producir proteínas de hasta 1.000 aminoácidos. "Esto nos acerca al tamaño de los anticuerpos y, al igual que ocurre con éstos, podemos integrar varias funciones deseadas en una proteína de este tipo", explica Hendrik Dietz. "Podrían ser, por ejemplo, motivos para reconocer y suprimir patógenos".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
