Un nuevo modelo, llamado ProtGPS, podría revolucionar la comprensión de enfermedades y el diseño de terapias al predecir y generar proteínas que se dirigen a compartimentos específicos de la célula.
Un equipo de investigadores del Instituto Whitehead y del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL, en inglés) del MIT ha desarrollado un modelo de inteligencia artificial (IA) llamado ProtGPS, capaz de predecir y diseñar la localización de proteínas dentro de las células. Este avance, publicado en la revista Science, tiene implicaciones significativas para entender cómo funcionan las proteínas en condiciones normales y cómo su mal funcionamiento puede contribuir a enfermedades. Además, el modelo podría ayudar a diseñar nuevas terapias dirigidas a compartimentos celulares específicos.
Las proteínas son fundamentales para el funcionamiento de las células, realizando tareas específicas que mantienen la vida. Aunque la estructura de una proteína determina su función, los científicos han descubierto que su localización dentro de la célula también es importante. Las células están organizadas en compartimentos, algunos bien definidos, como las mitocondrias, y otros dinámicos y sin membrana, que agrupan moléculas para realizar funciones específicas. Saber dónde se localiza una proteína y con qué otras moléculas interactúan es clave para entender su papel en la salud y la enfermedad.
Previo a la publicación de este estudio, los investigadores carecían de una herramienta sistemática para predecir la localización de las proteínas. Mientras que modelos como AlphaFold han revolucionado la predicción de la estructura de las proteínas, no existía un equivalente para predecir su localización. De esta manera, el equipo del MIT, es el pionero en este rubro con la creación de ProtGPS.
ProtGPS utiliza algoritmos de machine learning para analizar secuencias de aminoácidos en proteínas y predecir a cuál de los 12 tipos de compartimentos celulares conocidos se dirigirá una proteína. Además, el modelo puede identificar si una mutación asociada a una enfermedad altera la localización de una proteína, lo que podría ser un mecanismo subyacente en muchas patologías.
Para validar el modelo, los investigadores probaron más de 200,000 proteínas con mutaciones asociadas a enfermedades. ProtGPS predijo cambios en la localización en muchos casos, y experimentos de laboratorio confirmaron estas predicciones. Por ejemplo, en una prueba, el modelo identificó que una mutación hacía que una proteína dejara de localizarse en un compartimento clave, lo que podría explicar su papel en una enfermedad.
Además de predecir la localización, ProtGPS puede generar nuevas proteínas diseñadas para localizarse en compartimentos específicos. En un experimento, el modelo creó 10 proteínas destinadas a localizarse en el núcleo celular. Cuatro de ellas lo hicieron con éxito, demostrando la capacidad del modelo para diseñar proteínas funcionales. De esta manera, se abre una nueva alternativa para explorar las aplicaciones terapéuticas de esta herramienta. Por ejemplo, si un fármaco necesita interactuar con una proteína en un compartimento específico, ProtGPS sería capaz de diseñar una molécula que se dirija exactamente a ese lugar, aumentando su eficacia y reduciendo efectos secundarios.
De esta manera, esta herramienta representa un avance no solo en el uso de la IA en la medicina, sino también en la biología celular. Además, no solo ayuda a entender mejor cómo las proteínas funcionan en las células, ya que también ofrece herramientas para diseñar terapias más precisas y efectivas. Los investigadores esperan que este modelo se convierta en una plataforma ampliamente utilizada, similar a AlphaFold, para avanzar en el estudio de enfermedades y el desarrollo de tratamientos innovadores.
