1 puntos por GN⁺ 2024-09-06 | 1 comentarios | Compartir por WhatsApp

AlphaProteo genera nuevas proteínas para la investigación en biología y salud

  • Un nuevo sistema de IA diseña proteínas que se unen con éxito a moléculas objetivo, con potencial en diseño de fármacos, comprensión de enfermedades y más
  • Todos los procesos biológicos dependen de las interacciones entre moléculas llamadas proteínas
  • Las herramientas de predicción de estructura de proteínas como AlphaFold ofrecen información sobre las interacciones proteicas, pero no pueden generar nuevas proteínas para manipular directamente esas interacciones
  • Los científicos pueden generar nuevas proteínas capaces de unirse con éxito a moléculas objetivo
  • Estos ligandos pueden ayudar en diversas investigaciones, como el desarrollo de fármacos, la obtención de imágenes de células y tejidos, la comprensión y el diagnóstico de enfermedades, y el desarrollo de cultivos resistentes a plagas
  • Los enfoques recientes de aprendizaje automático han logrado grandes avances, pero todavía requieren muchas pruebas experimentales

Introducción a AlphaProteo

  • AlphaProteo es el primer sistema de IA que diseña nuevos ligandos proteicos de alta fuerza para la investigación en biología y salud
  • Esta tecnología puede acelerar la comprensión de los procesos biológicos y ayudar en el descubrimiento de nuevos fármacos, el desarrollo de biosensores y más
  • AlphaProteo puede generar nuevos ligandos proteicos para diversas proteínas objetivo, incluido VEGF-A, relacionado con el cáncer y las complicaciones de la diabetes
  • AlphaProteo muestra una alta tasa de éxito experimental y una afinidad de unión entre 3 y 300 veces mejor que los métodos existentes

Aprender la compleja forma de unión de las proteínas

  • Diseñar ligandos proteicos consume mucho tiempo y requiere múltiples trabajos de laboratorio
  • AlphaProteo aprendió a partir del Protein Data Bank (PDB) y de más de 100 millones de estructuras predichas por AlphaFold
  • Si se proporciona la estructura de la molécula objetivo y el sitio de unión preferido, AlphaProteo genera proteínas candidatas que se unen a esa ubicación

Demostración exitosa en objetivos importantes de unión proteica

  • AlphaProteo diseñó ligandos para diversas proteínas objetivo
  • En pruebas de laboratorio, las proteínas candidatas generadas por AlphaProteo se unieron fuertemente a 7 proteínas objetivo
  • Para la proteína viral BHRF1, el 88% de las moléculas candidatas se unieron con éxito
  • Para el objetivo TrkA, los ligandos de AlphaProteo fueron más fuertes que los mejores ligandos existentes

Verificación de resultados

  • Los ligandos de AlphaProteo fueron verificados por un grupo de investigación del Francis Crick Institute
  • Los ligandos SC2RBD evitaron la infección celular por SARS-CoV-2 y algunas variantes
  • AlphaProteo puede reducir de forma significativa el tiempo de experimentación inicial
  • Sin embargo, no logró diseñar ligandos para el objetivo TNFɑ
  • Está previsto mejorar y ampliar las capacidades de AlphaProteo

Hacia un desarrollo responsable del diseño de proteínas

  • El diseño de proteínas tiene un gran potencial para el avance científico, como comprender las causas de las enfermedades, acelerar el desarrollo de pruebas diagnósticas, apoyar procesos de manufactura sostenibles y eliminar contaminantes ambientales
  • Teniendo en cuenta los riesgos de bioseguridad, se está avanzando en un desarrollo responsable en colaboración con expertos externos
  • El objetivo es mejorar la tasa de éxito y la afinidad de AlphaProteo, ampliar el alcance de los problemas de diseño y colaborar con investigadores de diversas disciplinas para ofrecer un diseño de proteínas integral

Resumen de GN⁺

  • AlphaProteo es un sistema de IA que diseña nuevos ligandos proteicos para la investigación en biología y salud
  • Esta tecnología puede ser de gran ayuda en diversas investigaciones, como el desarrollo de fármacos, la comprensión de enfermedades y el diagnóstico
  • AlphaProteo destaca por su mayor tasa de éxito y afinidad de unión en comparación con los métodos existentes
  • Sin embargo, tiene limitaciones al diseñar ligandos para algunas proteínas objetivo
  • Está previsto seguir mejorando y ampliando las capacidades de AlphaProteo

1 comentarios

 
GN⁺ 2024-09-06
Opiniones en Hacker News
  • Falta de innovación: los aglutinantes de proteínas de novo ya se han estudiado bastante. Se pueden ver ejemplos del grupo de David Baker
    • Expectativa: ojalá estos avances conduzcan a nuevos métodos de diseño de biocatalizadores
  • Video relacionado: se comparte un enlace a un video relacionado de Two Minute Papers
  • Pregunta sobre ingeniería viral: pregunta sobre la posibilidad de hacer ingeniería viral dirigida a grupos poblacionales con marcadores genéticos específicos
    • Preocupación: la comercialización de esta tecnología podría dar mucho más miedo que los debates sobre la seguridad de los LLM
  • Error de AlphaFold 3: se comparte un enlace a un video relacionado
  • Uso por parte de Google: pregunta sobre cómo Google está utilizando este tipo de sistemas
    • Duda: hay curiosidad sobre si lo están usando directamente para desarrollo de fármacos o si lo están licenciando a la industria farmacéutica
  • Pregunta sobre diseño de estructura de proteínas: pregunta sobre si es posible diseñar estructuras proteicas que solo se unan a células específicas
    • Interés de investigación: hay interés en mapear la mayor cantidad posible de efectos pleiotrópicos
    • Problema: la pleiotropía de los fármacos es un problema. Las proteínas pueden desempeñar múltiples funciones, por lo que los efectos secundarios pueden ser grandes
    • Expectativa: si se pudieran crear estructuras proteicas hiperespecíficas que solo se unan a regiones concretas, sería un gran avance
  • Falta de análisis del artículo: hace falta más análisis sobre la novedad de las proteínas diseñadas
    • Datos existentes: ya existen otros aglutinantes para VEGF y la proteína espiga de Covid
    • Perspectiva futura: aunque AlphaProteo no tenga el mejor rendimiento ahora, pronto podría lograrlo
  • Dificultad de generar proteínas: generar proteínas es difícil y no está claro si se plegarán en la estructura 3D predicha
    • Síntesis de moléculas pequeñas: sintetizar moléculas pequeñas es más fácil, más barato y más escalable
    • Necesidad de mejora: habría tenido más impacto enfocarse en mejorar los modelos SOTA de interacción entre moléculas pequeñas y proteínas
  • Startup importante: mención de www.molecularReality.com