Este modelo predictivo podría ayudar a diagnosticar enfermedades y desarrollar nuevos fármacos.
El lugar dentro de la célula donde se encuentra una proteína, es decir su localización subcelular, es clave para que funcione correctamente. Cuando una proteína está en el lugar equivocado, puede provocar enfermedades como fibrosis quística, Alzheimer o cáncer. Sin embargo, los datos actuales sobre dónde se localizan las proteínas son limitados, ya que solo incluyen algunas combinaciones de proteínas y tipos de células. Además, los modelos actuales que intentan predecir la localización de proteínas tienen dos problemas: o bien no tienen en cuenta las diferencias entre tipos celulares, o no pueden predecir bien la localización de proteínas nuevas que no se usaron durante el entrenamiento del modelo.
Para resolver esto, investigadores del MIT desarrollaron un nuevo método llamado Prediction of Unseen Proteins’ Subcellular localization (PUPS). Este sistema combina dos tipos de información: la secuencia de la proteína usando un modelo de lenguaje entrenado con datos de proteínas, e imágenes de células usando un modelo de tipo inpainting, que puede completar o predecir partes faltantes en imágenes.
De esta manera PUPS puede generalizar bien a proteínas nuevas que no se han estudiado antes y tener en cuenta la variabilidad entre células individuales, lo que permite hacer predicciones específicas para cada tipo celular.
Los investigadores probaron PUPS con nuevos experimentos, diferentes a los datos con los que lo entrenaron, como los del Human Protein Atlas el catálogo de datasets con más de 13 mil proteínas en más de 40 líneas celulares, y el modelo logró predecir correctamente la localización subcelular de proteínas.
“Se podrían hacer estos experimentos de localización de proteínas en un ordenador sin tener que tocar ninguna mesa de laboratorio, con lo que se ahorrarían meses de esfuerzo. Aunque todavía habría que verificar la predicción, esta técnica podría servir como una primera selección de lo que hay que comprobar experimentalmente”, explica Yitong Tseo, estudiante de posgrado del programa de Biología Computacional y de Sistemas del MIT y coautor de un artículo sobre esta investigación publicado en Nature Methods.
De esta manera, los investigadores combinaron un modelo de lenguaje de proteínas con un tipo de visión por computadora que captura los detalles sobre las proteínas y células. Finalmente, el usuario recibe una imagen de la célula que resalta indica dónde está la porción que indica la predicción del modelo sobre dónde se encuentra la proteína.
Los investigadores comprobaron que PUPS logró predecir la localización subcelular de nuevas proteínas en líneas celulares no observadas luego de realizar experimentos de laboratorio y comparando los resultados. Además, en comparación con un método de AI de referencia, PUPS presentaba de media menos errores de predicción en todas las proteínas analizadas.
En conjunto, PUPS representa un importante avance al permitir predecir con precisión dónde se ubican proteínas nuevas dentro de distintos tipos de células. Incluso puede detectar cómo una mutación en una proteína puede cambiar su localización en la célula, lo que es muy útil para entender enfermedades.
