La nueva herramienta ProteinMPNN fue descrita por un grupo de investigadores de la Universidad de Washington en dos artículos publicados en Sciencetoday (disponible aquí y aquí) ofrece un poderoso complemento a esta tecnología.

Las publicaciones son el último ejemplo de cómo el aprendizaje profundo está revolucionando el diseño de proteínas al brindar a los científicos nuevas herramientas de investigación. Tradicionalmente, los investigadores diseñan proteínas optimizando las que se encuentran en la naturaleza, pero ProteinMPNN abrirá todo un nuevo universo de posibles proteínas para que los investigadores las diseñen desde cero.

“En la naturaleza, las proteínas resuelven básicamente todos los problemas de la vida, desde la recolección de energía de la luz solar hasta la fabricación de moléculas. Todo en biología sucede a partir de proteínas», dice David Baker, uno de los científicos detrás del artículo y director del Instituto para el Diseño de Proteínas de la Universidad de Washington.

“Evolucionaron para resolver los problemas que enfrentaron los organismos durante la evolución. Pero hoy nos enfrentamos a nuevos problemas, como el Covid. Si pudiéramos diseñar proteínas que pudieran resolver problemas nuevos tan bien como las que evolucionaron durante la evolución resuelven problemas antiguos, eso sería realmente poderoso”.

Las proteínas están formadas por cientos de miles de aminoácidos unidos en largas cadenas que luego se pliegan en formas tridimensionales. AlphaFold ayuda a los investigadores a predecir la estructura resultante y proporciona información sobre su comportamiento.

ProteinMPNN ayudará a los investigadores con el problema inverso. Si ya tienen en mente una estructura de proteína exacta, les ayuda a encontrar la secuencia de aminoácidos que se pliega en esa forma. El sistema utiliza una red neuronal entrenada en una gran cantidad de ejemplos de secuencias de aminoácidos que se pliegan en estructuras tridimensionales.

Pero los investigadores también tienen otro problema que resolver. Para diseñar proteínas que resuelvan problemas del mundo real, como una nueva enzima que digiera plástico, primero deben averiguar qué columna vertebral de proteína tendría esa función.

Para hacer esto, los investigadores en el laboratorio de Baker usan dos métodos de aprendizaje automático, detallados en un artículo en Science en julio pasado, que el equipo llama «alucinación restringida» y «en pintura».

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí