Redacción México Político
Foto: Crédito: Juan Gaertner/Science Photo Library.
Anticuerpos monoclonales (en forma de Y) que se unen a sitios en una proteína de pico del virus SARS-CoV-2 (rojo) (concepción del artista).
A la luz de estos casi cuatro años de pandemia, es importante conocer que nunca se ha detenido la investigación para encontrar tratamientos efectivos contra covid 19. Durante este lapso, expertos han utilizado moléculas de anticuerpos de personas que se habían recuperado de la enfermedad y, en este momento, la inteligencia artificial generativa (IA) ha sido de enorme ayuda, al sugerir secuencias que aumentan la potencia de los anticuerpos contra virus como el SARS-CoV-2 y el ébolavirus.
Se trata de aplicar redes neuronales similares a las que están detrás de la plataforma ChatGPT AI para el diseño de anticuerpos, las cuales pueden crear texto, imágenes y otro contenido sobre la base de patrones aprendidos, con el objetivo de acelerar el desarrollo y desbloquear medicamentos de anticuerpos para afecciones que se han resistido a los enfoques convencionales.
El estudio se publicó la semana anterior en Nature Biotechnology, y a decir de Peter Kim, bioquímico de la Universidad de Stanford en California, quien codirigió esta investigación, “hay un gran interés en descubrir y diseñar anticuerpos, y en cómo se mejoran los anticuerpos”. Vale hacer notar que los fármacos de anticuerpos para cáncer de mama o la artritis reumatoide generan anualmente más de 100 mil millones de dólares (mdd) en ventas en todo el mundo.
La importancia de los anticuerpos es que son clave en el sistema inmunitario contra las infecciones. Sin embargo, para la industria biotecnológica las favoritas son las proteínas, en parte porque pueden diseñarse para unirse a casi cualquier proteína imaginable para manipular su actividad. La generación de anticuerpos con propiedades útiles y poder incluso mejorarlos es una historia diferente: implica “una gran cantidad de detección de fuerza bruta”, de acuerdo con el biólogo computacional de Stanford, Brian Hie, quien también codirigió el estudio.
El funcionamiento de la IA generativa se basa en redes neuronales llamadas modelos de lenguaje de proteínas. Hie, Kim y sus colegas querían ver si podían eliminar parte del trabajo duro con este modelo. La programación es similar a los modelos de lenguaje grande que forman la base de herramientas como ChatGPT. La diferencia es que en vez de recibir grandes volúmenes de texto, los modelos de lenguaje de proteínas se entrenan en decenas de millones de secuencias de proteínas. De hecho, fue desarrollado por investigadores de Meta AI, un brazo de Meta (Facebook).
De los casi 100 millones de secuencias de proteínas de las que aprendió el modelo, se le entrenó solo en unos pocos miles de secuencias de anticuerpos, pero una proporción sorprendentemente alta de las sugerencias del modelo aumentaron la capacidad de los anticuerpos contra el SARS-CoV-2, el ébolavirus y la influenza.
Las respuestas a esta investigación han sido halagüeñas. Charlotte Deane, investigadora de inmunoinformática de la Universidad de Oxford, en Reino Unido, señala a Nature que “es una herramienta que la gente usará para mejorar sus anticuerpos”, aunque el “pero” es que muchos investigadores esperan que, en lugar de simplemente mejorar los anticuerpos existentes, la IA generativa pueda crear otros completamente nuevos.
Y efectivamente la investigación abre un nuevo mundo: se podría abordar los receptores acoplados a proteína G, una familia de proteínas involucradas en trastornos neurológicos, enfermedades cardiacas y una enorme cantidad de afecciones. La IA generativa también podría ayudar en el diseño de medicamentos de anticuerpos que puedan adherirse a una célula inmunitaria que pueda matar una proteína tumoral. Esto apenas es el comienzo.
El artículo completo (en inglés) puede consultarse en
