Avances en IA permiten herramientas de diseño de proteínas y genomas con lenguaje natural

Image: Ars Technica · Source

Nuevas herramientas de IA permiten a los usuarios diseñar proteínas y secuencias de ADN usando indicaciones en lenguaje natural, simplificando el complejo proceso de diseño biomolecular, aunque las tasas de éxito siguen siendo bajas y la validación experta es esencial.

Recientes avances en inteligencia artificial han abierto camino para nuevas herramientas que simplifican el diseño de proteínas y genomas al permitir a los usuarios ingresar descripciones en lenguaje natural en lugar de especificaciones bioquímicas detalladas. Tradicionalmente, el diseño de proteínas exige un conocimiento intricado de los mecanismos enzimáticos y la posición exacta de aminoácidos y moléculas circundantes. Las soluciones actuales de IA requieren que los usuarios especifiquen restricciones estructurales de forma técnica, lo que limita su uso a expertos en química de proteínas.

Una gran colaboración investigadora basada en China desarrolló una herramienta llamada Pinal, que aprovecha el procesamiento de lenguaje natural para interpretar indicaciones en lenguaje sencillo que describen funciones proteicas deseadas. En lugar de proporcionar manualmente configuraciones de aminoácidos o detalles estructurales, los usuarios pueden describir funciones objetivo —como actividad enzimática o fluorescencia— y Pinal genera secuencias candidatas diseñadas para cumplir esos roles. El sistema combina un módulo texto-a-estructura, T2struct, con un generador de secuencias de aminoácidos, SAProt-T, utilizando bases de datos extensas de proteínas y estructuras predichas por AlphaFold para el entrenamiento.

Los investigadores demostraron Pinal encargándole diseñar una variedad de proteínas, incluyendo una proteína fluorescente similar en función pero distinta en secuencia a la proteína fluorescente verde (GFP). De decenas de miles de predicciones computacionales, solo un pequeño número fue producido y probado experimentalmente; una mostró la fluorescencia deseada. Aunque esto indica una tasa de éxito baja, refleja la dificultad del desafío y los estrictos criterios de filtrado usados.

Complementariamente, otro equipo de Hugging Face y socios académicos introdujo Carbon X, un modelo enfocado en ADN que integra la comprensión del lenguaje humano con predicción de secuencias genómicas. Este modelo puede interpretar y generar secuencias de ADN basadas en indicaciones en lenguaje natural, traducir entre inglés y ADN, y predecir las consecuencias de mutaciones específicas en secuencias. Carbon X puede operar en hardware local, como un MacBook, ofreciendo ventajas de coste y privacidad sobre sistemas comerciales en la nube.

A pesar de estas innovaciones, el uso de indicaciones en lenguaje natural en el diseño biomolecular no elimina la necesidad de experiencia especializada. Los investigadores aún requieren técnicas de laboratorio sofisticadas para validar y refinar experimentalmente los candidatos generados por la IA. Además, estas herramientas a veces producen falsos positivos y resultados alucinados, lo que exige una interpretación cuidadosa.

Al reducir las barreras técnicas, estas herramientas de IA prometen acelerar la investigación biológica y hacer el diseño biomolecular más accesible. A medida que estos sistemas evolucionen, podrían convertirse en valiosos compañeros para biólogos experimentales, agilizando los flujos de trabajo al proporcionar interfaces intuitivas que interpretan la intención del usuario desde el lenguaje natural. Sin embargo, su adopción generalizada y utilidad demostrada en laboratorios determinarán su impacto final en el campo.