Google DeepMind presenta AlphaProteo para el diseño de fármacos con IA

Google DeepMind anunció el lanzamiento de AlphaProteo, un sistema de inteligencia artificial para ayudar a los investigadores biológicos y de salud a diseñar nuevas proteínas de alto rendimiento que se unan a moléculas objetivo con precisión y fuerza.

AlphaProteo ha recibido capacitación en el Banco de datos de proteínas (PDB), que permite descubrimientos en ciencia y educación al brindar acceso y herramientas para la exploración, visualización y análisis de estructuras 3D determinadas experimentalmente a partir del archivo de PDB.

Dada la estructura de una molécula objetivo y un conjunto de sitios de unión preferidos en esa molécula, AlphaProteo crea una proteína candidata que se une al objetivo.

El gigante tecnológico dijo que los aglutinantes tienen el potencial de abrir nuevas áreas de investigación en el desarrollo de fármacos y biosensores de diagnóstico.

«AlphaProteo puede generar nuevos aglutinantes de proteínas para varias proteínas objetivo, incluido VEGF-A, que está asociado con el cáncer y las complicaciones de la diabetes. Esta es la primera vez que una herramienta de inteligencia artificial ha podido diseñar un aglutinante de proteínas exitoso para VEGF-A. «, dijeron los equipos de Protein Design y Wet Lab de Google DeepMind en una publicación de blog.

«AlphaProteo también logra mayores tasas de éxito experimental y afinidades de unión de tres a 300 veces mejores que los mejores métodos existentes en siete proteínas objetivo que probamos».

Para probar AlphaProteo, los desarrolladores de IA diseñaron aglutinantes para varias proteínas objetivo, incluidas «dos proteínas virales involucradas en la infección, BHRF1 y el dominio de unión al receptor de proteína de pico del SARS-CoV-2, SC2RBD, y cinco proteínas involucradas en el cáncer, la inflamación y las enfermedades autoinmunes». , IL-7Rɑ, PD-L1, TrkA, IL-17A y VEGF-A.»

La tasa de éxito de unión para un objetivo viral, BHRF1, fue del 88%, en promedio, diez veces mayor que la de los métodos tradicionales.

El equipo del laboratorio web Google DeepMind trabajó con grupos de investigación externos, incluidos investigadores del Instituto Francis Crick, donde los datos confirmaron que los aglutinantes AlphaProteo impidieron que el SARS-CoV-2 infectara células c-humanas.

AlphaProteo ha demostrado que puede reducir el tiempo necesario para los experimentos iniciales con sustancias que se unen a proteínas para diversos usos.

Sin embargo, a pesar de los avances, los investigadores señalaron que el sistema de IA tiene limitaciones.

Por ejemplo, AlphaProteo no ha logrado generar sustancias de unión para TNFa, una proteína asociada con enfermedades autoinmunes como la artritis reumatoide.

«Elegimos TNFɑ para desafiar firmemente a AlphaProteo, ya que el análisis computacional ha demostrado que sería extremadamente difícil diseñar aglutinantes. Continuaremos mejorando y ampliando las capacidades de AlphaProteo con el objetivo de abordar eventualmente objetivos desafiantes como este», escribieron los autores.

El equipo de investigación de AlphaProteo planea trabajar con la comunidad científica para observar el impacto de AlphaProteo en otros problemas biológicos para comprender mejor sus limitaciones.

Además, el equipo ha estado explorando el uso de su diseño de fármaco en Isomorphic Labs.

MÁS TENDENCIA

En junio, Google Research y Google DeepMind emitió un documento anunciando la creación de un nuevo LLM para el descubrimiento de fármacos y el desarrollo terapéutico llamado Tx-LLM, perfeccionado por Med-PaLM 2.

El gigante tecnológico Med-PaLM 2 es una tecnología de inteligencia artificial generativa que utiliza los LLM de Google para responder preguntas médicas.

En Mayo, Un estudio realizado por Google Research en colaboración con Google DeepMind demostró que el gigante tecnológico amplió las capacidades de sus modelos de IA a Med-Gemini-2D, Med-Gemini-3D y Med-Gemini Polygenic.

Google dijo que ha perfeccionado las capacidades de Med-Gemini utilizando histopatología, dermatología, radiología 2D y 3D, datos genómicos y oftalmología.

En 2023, salió Google MedLM, dos modelos fundamentales construidos sobre Med-PaLM 2, diseñados para responder preguntas médicas, generar conocimientos a partir de datos no estructurados y resumir información médica.

La compañía dijo que al poner a prueba sus LLM con organizaciones de atención médica, aprendió que los modelos de IA más efectivos están diseñados para abordar casos de uso específicos.

Como resultado, el modelo grande de MedLM está diseñado para abordar tareas complejas, mientras que el otro es un modelo mediano que puede perfeccionarse y ampliarse en diversas tareas.

El Foro de ciberseguridad sanitaria de HIMSS está programado para realizarse del 31 de octubre al 1 de noviembre en Washington, DC Obtenga más información y regístrese.