¿Te imaginas poder diseñar proteínas como alguien que amuebla su casa? Pues eso es precisamente lo que han logrado un grupo de investigadores de la Universidad de Washington, en Seattle (Estados Unidos), que han aplicado la inteligencia artificial (IA) en el diseño de proteínas.

Según este nuevo estudio publicado en la prestigiosa revista Science, sería posible realizar un diseño personalizado de complejos proteicos artificiales, algo que podría tener amplias aplicaciones en diferentes tratamientos médicos como las vacunas o para mejorar tratamientos para el cáncer u otras enfermedades. 

Por lo general, el diseño de proteínas funciona como comprar en el Ikea. Uno coge diferentes piezas y monta un mueble. Sin embargo, lo complicado viene cuando se busca realizar un diseño personalizado, algo que ha logrado hace el equipo dirigido por David Barker, director del Instituto para el Diseño de Proteínas. 

Inspirado en los juegos de mesa

Para el diseño, los investigadores aprovecharon un algoritmo de aprendizaje automático (Reinforcement Learning), un programa que aprende a tomar decisiones a través de probar diferentes acciones y recibiendo retroalimentación, para construir proteínas adaptadas a respuestas biológicas específicas.

Este algoritmo ya se había probado con una enorme eficacia en juegos de mesa como el ajedrez, en el que prueba millones de movimientos diferentes que conduzcan a la victoria o a la derrota en el tablero. Este programa, explican los científicos, está diseñado para aprender de estas experiencias y mejorar en la toma de decisiones con el tiempo. 

[Cáncer de pulmón para no fumadores: ¿el futuro de las ciudades?]

En este sentido, quizás uno de los ejemplos más conocidos fue el AlphaGo, una creación de DeepMind que consiguió vencer al campeón mundial del milenario juego del go, el coreano Lee Sedol, en marzo de 2016. 

Para el diseño de las proteínas, los investigadores introdujeron millones de moléculas sencillas de partida. A partir de ello, el programa hizo 10.000 intentos para mejorar aleatoriamente cada una de ellas con un objetivo predefinido. Al final, la IA hizo las proteínas más largas o las dobló de formas específicas hasta que aprendió a contorsionarlas en las formas deseadas.

“Nuestros resultados demuestran que el aprendizaje por refuerzo puede hacer algo más que dominar juegos de mesa”, señaló Baker en unas declaraciones recogidas por Efe. “Si este método se aplica a los problemas de investigación adecuados, podría acelerar el progreso en una variedad de campos”.

Vacunas más potentes

Entre otras aplicaciones, una de las más importantes podría ser el diseño de cubiertas de proteínas extremadamente densas que podrían conducir algún día a la creación de vacunas mucho más potentes de las que existen actualmente. 

El material genético de los virus está alojado en cubiertas de proteínas y en las vacunas se utilizan cubiertas similares fabricadas en un laboratorio para introducir una respuesta inmunitaria en el cuerpo. Sin embargo, cualquier imperfección en estas cubiertas, por mínimo que sean, provocan una pérdida de eficacia. 

Con este nuevo hallazgo, señaló Isaac Lutz, uno de los investigadores, han conseguido crear proteínas mucho más precisas. “Es como si antes tuviéramos que comprar algo como Legos de proteínas primero, y lo que podías construir estaba limitado por la forma en que podían encajar. Mientras que ahora podemos decir lo que queremos construir, luego la IA diseña y conecta los Legos exactos necesarios para lograrlo”, remarcó a la revista New Scientist.

Para probar la alta densidad de este caparazón, los científicos introdujeron diferentes moléculas en ratones para evaluar su respuesta a la influenza (más conocida como gripe). El resultado fue un aumento pequeño pero significativo de la respuesta inmunitaria en comparación con otras vacunas más convencionales que se encuentran actualmente en ensayos clínicos. 

[¿Qué relación hay entre la contaminación del aire y los huesos rotos?: el estudio que la revela]

Esto, explicó Lutz a New Scientist, se debe a que “cada molécula está exactamente donde debe estar en el caparazón y el caparazón es estructuralmente lo suficientemente sólido como para soportar muchas de ellas”. 

“Este método no sólo demostró ser preciso, sino también altamente personalizable. Por ejemplo, le pedimos al programa que creara estructuras esféricas sin agujeros, con agujeros pequeños o con agujeros grandes; su potencial para generar todo tipo de arquitecturas aún está por explorar”, remarcó Shunzhi Wang, otro de los investigadores, a Efe Verde.

Las aplicaciones potenciales no sólo se limitan al ámbito de las vacunas, sino que también pueden ser claves en el desarrollo de tratamientos más eficaces para el cáncer o para la creación de nuevos tejidos biodegradables.

"Cuanto más precisa se vuelve la tecnología, más aplicaciones potenciales abre, incluidos los tratamientos vasculares para la diabetes, las lesiones cerebrales, los accidentes cerebrovasculares y otros casos en los que los vasos sanguíneos están en riesgo", concluyó Hannele Ruohola-Baker, profesora de bioquímica y una de las autoras del estudio, en un comunicado publicado por la Universidad de Washington.