• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  Science >> Ciencia >  >> Química
    Los investigadores crean una nueva línea de IA para identificar interacciones moleculares
    Crédito:Pixabay/CC0 Dominio público

    Comprender cómo interactúan las proteínas entre sí es crucial para desarrollar nuevos tratamientos y comprender enfermedades. Gracias a los avances computacionales, un equipo de investigadores dirigido por el profesor asistente de química Alberto Pérez ha desarrollado un algoritmo para identificar estas interacciones moleculares.



    El equipo de investigación de Pérez incluyó a dos estudiantes graduados de la UF, Arup Mondal y Bhumika Singh, y un puñado de investigadores de la Universidad Rutgers y el Instituto Politécnico Rensselaer. El equipo publicó sus hallazgos en la Angewandte Chemie International Edition. .

    Esta innovadora herramienta, denominada AF-CBA Pipeline, ofrece una precisión y velocidad incomparables para identificar los enlaces peptídicos más fuertes a una proteína específica. Para ello, utiliza IA para simular interacciones moleculares, clasificando miles de moléculas candidatas para identificar la molécula que interactúa mejor con la proteína de interés.

    El enfoque impulsado por IA permite que el canal realice estas acciones en una fracción del tiempo que les tomaría a los humanos o a los enfoques tradicionales basados ​​en la física realizar la misma tarea.

    "Piense en ello como una tienda de comestibles", explicó Pérez. "Cuando se quiere comprar la mejor fruta posible, hay que comparar tamaños y aspectos. Hay demasiadas frutas, por supuesto, para probarlas todas, por lo que se comparan algunas antes de hacer una selección. Sin embargo, este método de IA no sólo puede Pruébalos todos, pero también puedes elegir con seguridad el mejor."

    Normalmente, las proteínas de interés son las que causan más daño a nuestro organismo cuando se porta mal. Al encontrar qué moléculas interactúan con estas proteínas problemáticas, el proyecto abre vías para terapias dirigidas para combatir dolencias como la inflamación, la desregulación inmune y el cáncer.

    "Conocer la estructura del aglutinante peptídico más fuerte nos ayuda a su vez en el diseño racional de nuevos fármacos terapéuticos", afirmó Pérez.

    La naturaleza innovadora del oleoducto se ve reforzada por su base en tecnología preexistente:un programa llamado AlphaFold. Desarrollado por Google Deepmind, AlphaFold utiliza el aprendizaje profundo para predecir estructuras de proteínas. Esta dependencia de tecnología familiar será una gran ayuda para la accesibilidad del oleoducto para los investigadores y ayudará a garantizar su adopción futura.

    En el futuro, Pérez y su equipo pretenden ampliar su cartera para obtener más conocimientos biológicos e inhibir los agentes patógenos. Tienen dos virus en la mira:el virus de la leucemia murina y el virus del sarcoma de Kaposi. Ambos virus pueden causar problemas de salud graves, especialmente tumores, e interactuar con proteínas hasta ahora desconocidas.

    "Queremos diseñar nuevas bibliotecas de péptidos", dijo Pérez. "AF-CBA nos permitirá identificar aquellos péptidos diseñados que se unen más fuerte que los péptidos virales".

    Más información: Arup Mondal et al, Un proceso computacional para la priorización precisa de candidatos de unión proteína-proteína en bibliotecas de proteínas de alto rendimiento, Edición internacional Angewandte Chemie (2024). DOI:10.1002/anie.202405767

    Información de la revista: Edición internacional Angewandte Chemie

    Proporcionado por la Universidad de Florida




    © Ciencia https://es.scienceaq.com