SEMINARIO DESTACADO: El Revolucionario Uso de la Inteligencia Artificial en el Diseño e Ingeniería de Proteínas

La integración de IA en el diseño e ingeniería de proteínas podría revolucionar la forma en que se abordan los desafíos en la síntesis química. Esta tecnología ofrece ventajas en costos y un impacto real acelerando el desarrollo y mejora de la eficiencia de procesos industriales clave.

Gonzalo Jiménez-Osés, Investigador Principal Ikerbasque en el "Laboratorio de Química Computacional", impartió un seminario en CIC bioGUNE - miembro de BRTA - resaltando los avances significativos en metodología computacional y herramientas de inteligencia artificial que permiten la creación de proteínas funcionales desde cero con una precisión sin precedentes.

El uso de la inteligencia artificial (IA) en el diseño y la ingeniería de proteínas está revolucionando la forma en que se abordan los desafíos en la síntesis química. Esta metodología, impulsada por avances significativos en la capacidad de cómputo y algoritmos de aprendizaje automático, ofrece ventajas notables en términos de coste-efectividad, teniendo un impacto tangible en la industria.

Tradicionalmente, el diseño y la ingeniería de proteínas se basaban en enfoques que implicaban la modificación de proteínas existentes encontradas en la naturaleza. Sin embargo, estos enfoques tenían limitaciones en términos de eficiencia y precisión. La IA ha superado estas limitaciones al proporcionar herramientas y algoritmos que permiten el diseño y la ingeniería de proteínas desde cero, de manera rápida y precisa.

Una de las ventajas clave de utilizar la inteligencia artificial es la capacidad de explorar un espacio de secuencia más amplio y complejo. La IA puede analizar y aprender de grandes cantidades de datos estructurales y secuenciales de proteínas existentes, lo que permite identificar patrones y principios físicos subyacentes que rigen la estabilidad y funcionalidad de las proteínas. Esta información se utiliza para diseñar proteínas completamente nuevas con propiedades y funciones deseadas.

En comparación con los enfoques tradicionales, los algoritmos de IA pueden evaluar rápidamente una amplia gama de posibilidades de diseño de proteínas, optimizando propiedades como la estabilidad, la actividad catalítica y la interacción con otras moléculas. Esto acelera el proceso de descubrimiento y desarrollo de nuevas proteínas con características específicas, lo que ahorra tiempo y recursos en comparación con los enfoques convencionales de prueba y error.

En la síntesis química, la IA ha permitido el diseño de enzimas personalizadas que catalizan reacciones específicas y altamente eficientes. Estas enzimas podrían reemplazar los catalizadores químicos tradicionales, reduciendo el uso de sustancias tóxicas y los residuos generados durante la producción química. Además, al diseñar proteínas con propiedades mejoradas, como la estabilidad térmica, se pueden desarrollar procesos químicos más eficientes y sostenibles. Esto implica un menor consumo de energía y recursos, lo que se traduce en una reducción de costos y una menor huella ambiental.

En el campo de la ingeniería de proteínas, por ejemplo, se han diseñado proteínas que actúan como sensores biológicos, capaces de detectar y responder a sustancias específicas en entornos clínicos o ambientales. Estos biosensores pueden ser utilizados para el diagnóstico temprano de enfermedades, la detección de contaminantes en el agua o el monitoreo de la calidad del aire, entre otras aplicaciones. Al diseñar estas proteínas de forma precisa y controlada, se logra una mayor sensibilidad y selectividad en la detección, lo que mejora la eficiencia y precisión de los análisis.

Además, el diseño de proteínas impulsado por la IA también podría tiene un impacto en la producción de medicamentos y terapias personalizadas. Mediante el diseño de proteínas terapéuticas con mayor estabilidad y capacidad de unión específica, se podrían desarrollar medicamentos más efectivos y con menos efectos secundarios. Esto mejoraría la eficacia de los tratamientos y reducir los costos asociados con ensayos clínicos y desarrollo de fármacos.

Sobre CIC bioGUNE

El Centro de Investigación Cooperativa en Biociencias (CIC bioGUNE), miembro del Basque Research & Technology Alliance (BRTA), con sede en el Parque Científico Tecnológico de Bizkaia, es una organización de investigación biomédica que desarrolla investigación de vanguardia en la interfaz entre la biología estructural, molecular y celular, con especial atención en el estudio de las bases moleculares de la enfermedad, para ser utilizada en el desarrollo de nuevos métodos de diagnóstico y terapias avanzadas.

Sobre Ikerbasque

Ikerbasque - Fundación Vasca para la Ciencia - es el resultado de una iniciativa del Departamento de Educación del Gobierno Vasco que pretende reforzar la apuesta por la investigación científica mediante la atracción, recuperación y consolidación de investigadoras/es excelentes de todo el mundo. Actualmente, es una organización consolidada que cuenta con 290 investigadoras/es, que desarrollan su labor en todos los campos del conocimiento.

Sobre BRTA

BRTA es una alianza formada por 4 centros de investigación colaborativa (CIC bioGUNE, CIC nanoGUNE, CIC biomaGUNE y CIC energiGUNE) y 12 centros tecnológicos (Azterlan, Azti, Ceit, Cidetec, Gaiker, Ideko, Ikerlan, Lortek, Neiker, Tecnalia, Tekniker y Vicomtech) que tienen el objetivo de desarrollar soluciones tecnológicas avanzadas para el tejido empresarial vasco.

Con el apoyo del Gobierno Vasco, el Grupo SPRI y las Diputaciones forales de los tres territorios, la alianza busca impulsar la colaboración entre los centros que la integran, reforzar las condiciones para generar y transmitir conocimiento a las empresas con la intención de contribuir a su competitividad y proyectar la capacidad científico-tecnológica vasca en el exterior.

BRTA cuenta con una plantilla de 3.500 profesionales, ejecuta el 22% de la inversión en I+D de Euskadi, registra una facturación anual superior a los 300 millones de euros y genera 100 patentes europeas e internacionales al año.

English version