✨︎ Resumen (TL;DR):
- Investigadores del MIT y la Universidad Estatal de Arizona desarrollaron métodos para crear proteínas basadas en su dinámica molecular.
- El modelo VibeGen utiliza algoritmos de difusión para proyectar patrones de vibración, mientras ASU reduce meses de cálculos a menos de un día.
- Entender la flexión química permitirá fabricar medicamentos precisos que reduzcan los efectos secundarios y sensores adaptables en tiempo real.
Los equipos de investigación del MIT y la Universidad Estatal de Arizona (ASU) desarrollaron nuevos métodos para diseñar y estudiar proteínas a partir de sus movimientos dinámicos. Este enfoque rompe con el modelo tradicional centrado en la estructura estática y transformará el descubrimiento de fármacos al tratar la dinámica molecular como un parámetro principal de diseño.
VibeGen es un modelo de inteligencia artificial que genera secuencias de proteínas inéditas programadas para flexionarse y vibrar de formas específicas. Presentada por ingenieros del MIT el 24 de marzo en la revista científica Matter, la herramienta invierte el paradigma clásico: en lugar de buscar la forma de una secuencia, calcula qué secuencia logrará un movimiento particular.
El sistema combina un modelo de difusión con un modelo de lenguaje de proteínas. Ambos operan en un ciclo continuo donde un agente propone secuencias de aminoácidos y otro evalúa si realmente ejecutarán el movimiento objetivo.
“La esencia de la vida a niveles moleculares fundamentales no radica solo en la estructura, sino en el movimiento”, afirmó Markus Buehler, profesor de Ingeniería de la cátedra Jerry McAfee en el MIT.
Al probar las secuencias generadas en simuladores físicos, las proteínas reaccionaron de forma exacta a las instrucciones. Muchas no existen en la naturaleza y demostraron que secuencias distintas pueden cumplir un mismo patrón de movimiento.
Por su parte, la Universidad Estatal de Arizona publicó un avance complementario el 27 de marzo en Science Advances. El equipo del profesor asociado Matthias Heyden construyó un método que aísla las transiciones conformacionales de las proteínas desde simulaciones por computadora que duran apenas milmillonésimas de segundo.
“Resucitamos una vieja idea de que las transiciones conformacionales en las proteínas están ligadas a vibraciones de baja frecuencia”, detalló Heyden.
IA y hardware superando los límites de AlphaFold
El equipo de la ASU aceleró radicalmente el estudio de estos cambios físicos operando bajo la siguiente infraestructura:
- El uso de procesadores GPU en la supercomputadora Sol de la universidad reduce tiempos de cálculo de semanas a menos de 24 horas.
- Herramientas consolidadas como AlphaFold resolvieron la predicción estática tridimensional, pero entregan diseños biológicos rígidos.
- El análisis dinámico mapea efectos alostéricos, procesos críticos donde la conexión en un punto de la proteína activa alteraciones químicas a distancia.
Controlar el ritmo molecular abre la puerta a tratamientos terapéuticos capaces de aferrarse a sus objetivos biológicos con alta precisión y daños colaterales mínimos. Los nuevos datos de conformación alimentarán a los próximos algoritmos de machine learning encargados de unificar secuencia, estructura y movimiento en la medicina moderna.
