La búsqueda de tratamientos para enfermedades complejas a menudo se topa con un muro: la incapacidad de diseñar moléculas que interactúen eficazmente con las proteínas diana. Pero, ¿qué pasaría si pudiéramos usar la inteligencia artificial para superar este obstáculo? Investigadores del MIT (Instituto Tecnológico de Massachusetts) han presentado BoltzGen, un modelo de IA generativa que promete revolucionar el diseño de fármacos, especialmente para aquellas enfermedades consideradas ‘intratables’.
¿Qué es BoltzGen y por qué es importante?
BoltzGen no es simplemente otro modelo de IA. Es el resultado de años de investigación y se basa en Boltz-2, un modelo de código abierto para la predicción de la afinidad de unión de proteínas. Pero BoltzGen va un paso más allá: es capaz de generar nuevos ‘binders’ de proteínas, es decir, moléculas que se unen a proteínas específicas y que podrían ser la clave para desbloquear tratamientos innovadores.
La importancia de esto radica en que la mayoría de los modelos existentes solo pueden predecir estructuras o diseñar proteínas individualmente. BoltzGen unifica ambas tareas, y lo hace con un rendimiento de última generación. Además, integra restricciones que se basan en la experiencia de colaboradores de laboratorios, asegurando que las proteínas generadas sean funcionales y respeten las leyes de la física y la química. Imagina tener un ‘bio-diseñador’ virtual que no solo crea, sino que también verifica la viabilidad de sus creaciones.
Innovaciones clave de BoltzGen
El éxito de BoltzGen se basa en tres pilares fundamentales:
- Unificación de tareas: BoltzGen puede realizar tanto el diseño de proteínas como la predicción de estructuras, manteniendo un rendimiento óptimo en ambos campos.
- Restricciones integradas: El modelo incorpora reglas basadas en la experiencia práctica, lo que garantiza que las proteínas generadas sean funcionales y realistas.
- Evaluación rigurosa: BoltzGen se ha probado en objetivos de enfermedades considerados ‘intratables’, lo que demuestra su capacidad para superar los límites de la generación de ‘binders’.
¿Cómo se probó BoltzGen?
Los investigadores del MIT no se conformaron con pruebas teóricas. Pusieron a BoltzGen a prueba con 26 objetivos diferentes, desde casos relevantes terapéuticamente hasta aquellos explícitamente elegidos por su diferencia con los datos de entrenamiento. Este proceso de validación exhaustivo se llevó a cabo en ocho laboratorios (wetlabs) en la academia y la industria, lo que demuestra la amplitud y el potencial del modelo para el desarrollo de fármacos innovadores.
Una de las empresas colaboradoras, Parabilis Medicines, elogió el potencial de BoltzGen, afirmando que su adopción en su plataforma computacional de péptidos Helicon promete acelerar el progreso hacia la creación de fármacos transformadores contra importantes enfermedades humanas.
¿Qué implicaciones tiene BoltzGen para la industria farmacéutica?
La liberación de BoltzGen como código abierto (siguiendo los pasos de Boltz-1 y Boltz-2) no solo representa una oportunidad para la transparencia y la colaboración en el desarrollo de fármacos, sino que también podría obligar a las empresas biotecnológicas y farmacéuticas a replantearse sus estrategias. Como señaló Justin Grace, científico de machine learning en LabGenius, en la plataforma X, el tiempo que tardan en aparecer versiones de código abierto de modelos de IA con un rendimiento similar a los privados está disminuyendo rápidamente. ¿Cómo recuperarán la inversión las empresas que ofrecen ‘binders-as-a-service’ cuando la versión gratuita esté disponible en pocos meses?
Un futuro impulsado por la IA
BoltzGen representa un gran paso adelante en el uso de la IA para resolver problemas complejos en la biología y la medicina. Como dijo Hannes Stärk, el estudiante de doctorado del MIT que lideró el desarrollo de BoltzGen, su objetivo es construir herramientas que nos ayuden a manipular la biología para resolver enfermedades o realizar tareas con máquinas moleculares que ni siquiera hemos imaginado. Quiere proporcionar estas herramientas y permitir a los biólogos imaginar cosas que nunca antes habían pensado.
La visión de Stärk es ambiciosa, pero con modelos como BoltzGen, el futuro del diseño biomolecular impulsado por la IA parece cada vez más cercano.
Fuente: MIT News – AI
Leave a Comment