La naturaleza es bastante buena en el diseño de proteínas. Los científicos son mejores. Pero la inteligencia artificial promete mejorar muchas veces las proteínas. Las aplicaciones médicas de estas “proteínas de diseño” van desde la creación de anticuerpos más específicos para tratar enfermedades autoinmunes o el cáncer hasta vacunas más eficaces contra los virus. Las aplicaciones pueden ir más allá de la medicina, por ejemplo, cultivar mejores cultivos que puedan ser más nutritivos o absorber más dióxido de carbono de la atmósfera. Investigadores del Mass General Brigham y Beth Israel Deaconess Medical Center (BIDMC) han desarrollado una herramienta de inteligencia artificial (IA) llamada EVOLVEpro que podría conducir a un salto en la ingeniería de proteínas. En un artículo de investigación publicado cienciaEl equipo de investigación aplicó el modelo para diseñar seis proteínas con diversas aplicaciones para demostrar la capacidad de la herramienta para hacer que las proteínas sean más estables, precisas y eficientes.
“El poder de una herramienta de este tipo es que no estamos limitados por la evolución. Usando la IA, podemos optar por optimizar las proteínas para que sean mejores de cualquier manera”, dijo el coautor principal Omar Abudayeh, PhD, investigador. Instituto de Terapia Genética y Celular del Mass General Brigham e Ingeniería en Medicina Departamento de Medicina del Brigham and Women’s Hospital. Abudayeh ocupa un cargo secundario en el Centro de Investigación de Virología y Vacunas del BIDMC y es profesor asistente en la Facultad de Medicina de Harvard. “Podemos producir una proteína que sea mejor, más rápida y más fuerte. Podemos diseñarla para que sea más eficiente a la hora de unirse a un objetivo para mejorar una terapia o mejorar su eficacia. Si podemos medirla, podemos mejorarla”.
El concepto de ingeniería de proteínas no es nuevo, pero la aparición de la IA y grandes modelos de lenguaje ha comenzado a revolucionar este campo. Los modelos de lenguaje de proteínas (PLM) pueden aprender la “gramática” de las proteínas, leer secuencias de proteínas de grandes bases de datos genómicas y hacer sugerencias que un científico puede utilizar para mejorar proteínas específicas. Al igual que el nuevo LLM, EVOLVEpro actúa como una capa por encima de los modelos anteriores, que pueden razonar y pensar más antes de responder.
“El modelado de proteínas ha avanzado en los últimos años y pensamos que ahora podríamos usar modelos de lenguaje grandes para predecir secuencias de proteínas esencialmente bien”, dijo el coautor principal Jonathan S. Gutenberg, PhD, del Centro de Virología e Investigación de Vacunas del BIDMC. , es miembro del Instituto de Terapia Genética y Celular del Mass General Brigham y miembro del cuerpo docente de la Facultad de Medicina de Harvard. “Nuestros resultados muestran consistentemente qué tan bien puede funcionar esta herramienta. Elegimos dos anticuerpos clínicamente relevantes, ya sea en uso o cerca de ser usados en humanos, y descubrimos que con EVOLVEpro podríamos desarrollar un anticuerpo que se une mejor. Y puede haber mejores expresiones. Por lo general, puedes obtener buenos resultados en uno de estos resultados, pero aquí vimos mejoras en ambos”.
Estos estudios muestran la promesa de avances en las tecnologías de terapia genética y celular para transformar la medicina. El Mass General Brigham Gene and Cell Therapy Institute (GCTI) se estableció en 2022 para descubrir y desarrollar terapias transformadoras dirigidas que tengan el potencial de curar enfermedades o detener su progresión. El Instituto reúne a más de 500 investigadores y médicos dedicados al avance de las terapias genéticas y celulares para los primeros ensayos clínicos en humanos y, en última instancia, tratamientos que salven la vida de los pacientes.
El equipo de investigación científica, dirigido por el primer autor Kai Xiang y Zhaoqing Yan del Instituto de Tecnología de Massachusetts, Matteo Di Bernardo del Instituto de Tecnología de Massachusetts, utilizó EvolvePro para diseñar seis proteínas. Los investigadores descubrieron que los dos anticuerpos monoclonales diseñados por EVOLVEpro eran hasta 30 veces mejores para alcanzar sus objetivos. Un pequeño núcleo CRISPR fue cinco veces más eficaz para realizar cambios genéticos. Una proteína utilizada para la edición del gen N, llamada Prime Editor, fue doblemente buena para insertar secuencias en diferentes partes del genoma. Una proteína llamada integrasa Bxb1 era cuatro veces más eficiente a la hora de insertar ADN en células para aplicaciones de integración de genes programables, y una proteína para producir ARN, una ARN polimerasa T7, era 100 veces mejor a la hora de hacer copias precisas de ARN, lo cual es importante para producir ARNm. . para terapia de ARNm o vacunas.
“Anticipamos que esto es sólo el comienzo de EVOLVEpro, que seguirá mejorando con el tiempo y podrá utilizarse para una amplia variedad de aplicaciones de ingeniería de proteínas”, afirmó Jiang. “Esta tecnología marca el comienzo de una nueva era en la que podemos diseñar proteínas no sólo para que coincidan con el diseño de la naturaleza, sino también para resolver desafíos que la naturaleza nunca ha tenido que enfrentar, desde la creación de medicamentos más precisos hasta la fabricación de proteínas que aborden desafíos globales como el cambio climático. puede ayudar… y la seguridad alimentaria”.