Siguiendo los avances realizados por la IA en el descubrimiento de fármacos, se puede decir que existe una gran cantidad de potencial sin explotar. Los nanocuerpos terapéuticos, en particular, han tenido avances relativamente limitados, ya que requieren conocimientos interdisciplinarios complejos. La pandemia de COVID-19 impulsó el desarrollo de nanocuerpos terapéuticos que exhiban una alta afinidad de unión y estabilidad por el SARS-CoV-2 en un período corto. Sin embargo, desarrollar y probar un nuevo fármaco requiere muchos recursos y mucho tiempo. Investigadores del Departamento de Ciencias de la Computación y Ciencias de Datos Biomédicos de la Universidad de Stanford y Chan Zuckerberg Biohub de San Francisco han utilizado un marco notable, Virtual Lab, que ha ayudado a agilizar el proceso de desarrollo de fármacos desde el diseño hasta las pruebas.
Los métodos convencionales implican la detección experimental de grandes bibliotecas de candidatos a nanocuerpos contra el antígeno objetivo para identificar aglutinantes de alta afinidad. Sin embargo, requiere mucho tiempo, recursos y mano de obra. También se han desarrollado métodos computacionales para identificar los candidatos a nanocuerpos, pero se ha descubierto que carecen de precisión, lo que podría ser muy perjudicial si se utilizan como terapéutico. Dadas las rápidas tasas de mutación del virus SARS-CoV-2, es imperativo que se pierda una cantidad sustancial de vidas mientras los medicamentos están en proceso de desarrollo. Estas limitaciones han ejercido presión sobre el sistema de salud.
El método propuesto emplea un entorno de laboratorio virtual donde agentes de IA con diferentes áreas de experiencia colaboran y abordan el problema, imitando el trabajo en equipo científico del mundo real. Se desarrolla un proceso computacional después de realizar reuniones entre los agentes de IA. Los componentes clave de este oleoducto incluyen:
- ESM (Modelado de escala evolutiva): analiza las secuencias de proteínas y observa los efectos de diversas mutaciones sobre la función y estabilidad de las proteínas. Esta herramienta es fundamental para encontrar mutaciones potenciales que mejoren la unión del nanocuerpo a las proteínas de pico de nuestro virus.
- AlphaFold-Multimer: para predecir la interacción proteína-proteína entre el virus y el nanocuerpo, AplhaFold-Multimer utiliza el aprendizaje profundo y genera predicciones estructurales de alta confianza.
- Rosetta: Utiliza el proceso de refinamiento iterativo para optimizar las estructuras tridimensionales de los nanocuerpos diseñados.
La validación experimental mostró que más del 90 % de los nanocuerpos diseñados se expresaban y eran solubles, y dos candidatos mostraron propiedades de unión superiores específicamente contra las nuevas variantes JN.1 y KP.3 del SARS-CoV-2, al tiempo que conservaban interacciones sólidas con el pico ancestral. proteína. Este es un resultado esencial para demostrar la eficacia del marco computacional del Laboratorio Virtual para generar rápidamente candidatos terapéuticos viables.
En conclusión, este artículo describe nanocuerpos basados en IA producidos con su incorporación a las metodologías experimentales existentes. Este marco sinérgico de varios agentes artificiales eleva en gran medida las etapas de diseño y validación de muchos métodos establecidos, que tienden a consumir mucho tiempo y recursos. La identificación óptima de los nanocuerpos dirigidos contra las variantes del SARS-CoV-2 proporciona evidencia esencial de que la IA puede resultar fundamental para acelerar los descubrimientos terapéuticos. Este novedoso enfoque mejora la eficacia en el diseño de nanocuerpos y facilita una respuesta rápida a amenazas virales emergentes. Esto le da una perspectiva que describe el tremendo efecto de la inteligencia artificial en la investigación biomédica y sus aplicaciones en el desarrollo de terapias.
Verificar el papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa.. No olvides unirte a nuestro SubReddit de 59k+ ML.
Afeerah Naseem es pasante de consultoría en Marktechpost. Está cursando su licenciatura en tecnología en el Instituto Indio de Tecnología (IIT), Kharagpur. Le apasiona la ciencia de datos y le fascina el papel de la inteligencia artificial en la resolución de problemas del mundo real. Le encanta descubrir nuevas tecnologías y explorar cómo pueden hacer que las tareas cotidianas sean más fáciles y eficientes.