Un equipo de investigación interdisciplinario de la Universidad de Leipzig y el centro de inteligencia artificial de Sajonia, ScaDS.AI, ha desarrollado un enfoque innovador que integra métodos de inteligencia artificial (IA) con modelado biofísico. Esta estrategia tiene aplicaciones significativas en el desarrollo de nuevos tratamientos, incluyendo anticuerpos y vacunas, que son esenciales para la preparación ante pandemias.
El proyecto de investigación, realizado en colaboración con la Universidad de Vanderbilt en Nashville, Estados Unidos, se basa en un amplio trabajo preliminar en el desarrollo de medicamentos asistido por ordenador. Los resultados del estudio han sido publicados en la revista Science Advances.
Un nuevo estándar en el diseño de proteínas
Los científicos advierten que el actual panorama de investigación en el campo del diseño computacional de proteínas se asemeja a una fiebre del oro, donde numerosos métodos nuevos son publicados sin una validación experimental adecuada. Esto a menudo conduce a evaluaciones inexactas del rendimiento de los modelos de IA.
La profesora Clara Schoeder, líder del grupo de investigación del Instituto de Descubrimiento de Medicamentos, subraya la necesidad urgente de establecer estándares para la descripción y disponibilidad de estos modelos: «Nuestro trabajo contribuye de manera importante a este objetivo».
Los hallazgos actuales indican que los métodos de IA son especialmente efectivos al sugerir secuencias que no alteran el plegamiento de las proteínas, aunque enfrentan dificultades al evaluar con precisión los efectos de los cambios individuales en los aminoácidos sobre dicho plegamiento.
El profesor Jens Meiler, uno de los científicos principales del proyecto y director del mismo instituto, explica: «No existe un modelo de IA o un método biofísico que sea ideal para todos los problemas de diseño. En el futuro, tendremos que considerar cuidadosamente qué modelo utilizar para cada propósito». Esta investigación representa un primer paso hacia una mayor comparabilidad entre los diversos métodos disponibles.
La suite de software biofísico Rosetta, utilizada en la investigación de proteínas desde hace muchos años, proporciona un marco para integrar diferentes métodos de IA. Este software es empleado por más de 100 laboratorios en todo el mundo, permitiendo a los investigadores combinar enfoques como los modelos de lenguaje grande (por ejemplo, ESM-2) y el modelo ProteinMPNN, junto con métodos biofísicos. Esta combinación facilita la comparación y análisis de los diferentes comportamientos de los enfoques de diseño.
El profesor Meiler señala que «con este desarrollo, podemos combinar rápida y fácilmente modelos de IA con métodos clásicos y utilizarlos en paralelo», lo que simplifica enormemente el trabajo de los investigadores y les permite aprovechar al máximo la infraestructura desarrollada en Rosetta durante los últimos 20 años.
A pesar de los avances logrados mediante el uso de IA, el denominado problema de puntuación sigue siendo un desafío. Este se refiere a la dificultad de predecir el efecto de una única sustitución de aminoácido. En colaboración con el Centro para la Analítica de Datos Escalables y la Inteligencia Artificial, ScaDS.AI, el equipo de investigación es optimista sobre la capacidad de esta combinación de IA y métodos biofísicos para aumentar la eficiencia en el diseño de proteínas.
Más información:
Moritz Ertelt et al, Métodos de aprendizaje automático auto-supervisados para el diseño de proteínas mejoran el muestreo pero no la identificación de variantes de alta aptitud, Science Advances (2025). DOI: 10.1126/sciadv.adr7338
Proporcionado por Leipzig University
