Una herramienta de inteligencia artificial podría convertirse en una especie de “rayo reductor” para la biología. Se trata de Raygun, un modelo capaz de modificar el tamaño y la composición de las proteínas sin comenzar su diseño desde cero.
El sistema, presentado por investigadores de la Universidad de Duke y publicado el 29 de julio en la revista Nature, utiliza una proteína existente como referencia y genera nuevas versiones mediante la eliminación, incorporación o sustitución de aminoácidos. Su objetivo es conservar la forma y las regiones responsables de su funcionamiento.
¿Qué son las proteínas y por qué importa su tamaño?
Las proteínas son moléculas formadas por cadenas de aminoácidos que se pliegan hasta adoptar una estructura tridimensional. Funcionan como pequeñas máquinas dentro de los organismos: transportan sustancias, aceleran reacciones químicas, envían señales y participan en la defensa del cuerpo.
Modificar su tamaño no es tan sencillo como quitar algunas piezas. Una alteración aparentemente pequeña puede cambiar la manera en que la proteína se dobla y provocar que pierda su función.
Raygun busca resolver este problema aprendiendo los patrones que relacionan la secuencia de aminoácidos con la estructura y el comportamiento de una proteína. En lugar de inventar una molécula completamente nueva, parte de una conocida y propone diferentes versiones con la longitud indicada por los científicos.
En evaluaciones computacionales, el modelo logró reducir numerosas proteínas entre 10% y 25%, aunque en ciertos casos generó diseños con disminuciones superiores al 50%. También pudo alargarlas e introducir cambios extensos conservando, al menos según las predicciones, elementos estructurales y zonas funcionales importantes.
Las primeras pruebas en células
Los investigadores probaron algunas de las propuestas de Raygun en proteínas fluorescentes utilizadas para observar procesos dentro de las células. De ocho variantes fabricadas y evaluadas, seis mantuvieron la capacidad de emitir fluorescencia, aunque su intensidad fue menor que la de las proteínas originales.
El equipo también trabajó con TurboID, una enzima empleada para estudiar interacciones entre proteínas. Algunas versiones moderadamente reducidas conservaron actividad, pero una variante recortada aproximadamente a la mitad logró producirse dentro de las células sin mantener una actividad enzimática significativa. Este resultado muestra que una proteína puede conservar parte de su estructura y, aun así, necesitar más ajustes para funcionar adecuadamente.
¿Cómo podría ayudar a crear tratamientos?
Contar con proteínas más pequeñas podría ser útil para desarrollar sensores biológicos menos invasivos o introducir instrucciones terapéuticas dentro de células mediante vehículos con una capacidad limitada, como ciertos vectores virales utilizados en terapia genética.
La tecnología también podría acelerar la búsqueda de enzimas industriales, proteínas fluorescentes y moléculas capaces de unirse a objetivos relacionados con enfermedades. En otra prueba, Raygun creó versiones ampliadas del factor de crecimiento epidérmico que mostraron una mayor afinidad por su receptor que la proteína natural.
Sin embargo, Raygun todavía no funciona como una máquina capaz de producir tratamientos terminados. La herramienta genera candidatos que después deben seleccionarse, fabricarse y someterse a pruebas de laboratorio para confirmar su estabilidad, seguridad y funcionamiento.
Los propios investigadores reconocen que las modificaciones más extremas pueden reducir la actividad de las proteínas y que será necesario combinar la inteligencia artificial con experimentos, evolución dirigida y controles de bioseguridad. Por ahora, el avance representa una nueva manera de explorar proteínas existentes y convertirlas en posibles puntos de partida para futuras terapias y herramientas biotecnológicas.
