PottsMPNN: cómo la IA rediseña proteínas más allá de las secuencias naturales

Por qué importa mirar más allá de las secuencias naturales

La función de una proteína está determinada por su estructura tridimensional, y esa estructura emerge de la secuencia de aminoácidos. En biología y en la industria, diseñar proteínas que realicen nuevas funciones —por ejemplo, que se unan a una molécula vinculada a una enfermedad— suele seguir un flujo donde primero se define una estructura deseada y luego se buscan secuencias capaces de adoptarla.

Sin embargo, en la naturaleza hay redundancia: muchas secuencias distintas pueden plegarse en la misma estructura, y una misma secuencia puede asumir estructuras diferentes según el contexto o un disparador funcional. Este paisaje de posibilidades plantea un desafío para la inteligencia artificial: los modelos no deben limitarse a reproducir la secuencia que la evolución eligió, sino entender la relación entre secuencia y energía que determina si una cadena de aminoácidos será estable en una geometría dada.

Qué propone PottsMPNN y por qué es distinto

Investigadores del Departamento de Biología del MIT, liderados por Amy E. Keating y con Foster Birnbaum como primer autor, desarrollaron PottsMPNN, un nuevo marco de aprendizaje automático que incorpora principios físicos y señales evolutivas para mejorar el diseño de secuencias proteicas. El trabajo fue publicado recientemente en PNAS.

A diferencia de enfoques previos que medían su éxito por la capacidad de recuperar la secuencia «nativa» observada en la naturaleza, PottsMPNN busca modelar mejor el llamado landscape secuencia-energía: cómo la identidad de cada aminoácido influye en la estabilidad global de la proteína. Esa comprensión permite generar secuencias que, aunque no se parezcan a ninguna proteína natural, tienen mayor probabilidad de plegarse en la estructura deseada.

Tres ideas clave diferencian a este modelo:

• Integrar principios físicos que afectan estabilidad y plegamiento. Esto guía al modelo hacia soluciones físicamente plausibles en vez de copiar patrones observados.
• Usar una distribución pareada (pairwise) que captura interacciones entre pares de posiciones: esto permite considerar todas las combinaciones posibles de aminoácidos en dos posiciones y modelar cómo se afectan mutuamente, una ventaja sobre métodos que tratan las posiciones de forma más independiente.
• Introducir durante el entrenamiento conjuntos de secuencias evolutivamente relacionadas para enseñar que distintas secuencias pueden adoptar la misma estructura; esto aumenta la diversidad de soluciones factibles.

Además, el equipo incorporó el uso estratégico de “ruido” durante entrenamiento —variaciones en la estructura— para reducir la tendencia del modelo a imitar demasiado las secuencias nativas. Ese ruido aumenta la capacidad del sistema para proponer secuencias para una gama más amplia de estructuras.

Resultados relevantes: ¿mejor predicción o solo más variedad?

PottsMPNN no persigue únicamente mayor diversidad de secuencias: demuestra también una mejor capacidad para predecir cómo afectarán las mutaciones a la estabilidad de una proteína. Es decir, el modelo aprende una representación más fiel de la relación entre secuencia y energía, lo que es crucial para diseñar proteínas útiles y resistentes.

Los autores sostienen que, a medida que el modelo depende menos de copiar secuencias naturales y más de evaluar compatibilidad estructural y energía, mejora la predicción incluso para proteínas nuevas, sin homólogos conocidos en la naturaleza. Eso es un avance importante porque, para estructuras diseñadas de cero, no existe una secuencia nativa con la que comparar.

Implicaciones prácticas y oportunidades para América Latina

La capacidad de diseñar proteínas «new-to-nature» (nuevas para la naturaleza) tiene múltiples aplicaciones: desarrollo de terapias, biosensores, enzimas industriales y mejoras en cultivos mediante bioingeniería. Para la región latinoamericana esto puede traducirse en oportunidades en sectores como la biotecnología agrícola (enzimas para procesos agroindustriales), farmacéutica local (dianas para enfermedades infecciosas endémicas) y manufactura de bioinsumos.

Sin embargo, transformar esta capacidad en impacto requiere inversión en infraestructura científica, regulación adecuada y formación de talento. Centros de investigación y empresas locales podrían beneficiarse de colaborar con iniciativas académicas y adoptar herramientas que reduzcan la barrera técnica del diseño proteico.

Riesgos, límites y dirección futura

El potencial para diseñar cualquier proteína plantea también preocupaciones sobre bioseguridad y ética. El propio Foster Birnbaum señaló que, al habilitar diseños proteicos amplios, se abre la puerta a una capacidad de ingeniería biológica muy poderosa, que debe gestionarse con responsabilidad. Los avances del modelo no implican capacidad ilimitada: desarrollar, producir y validar experimentalmente una proteína funcional sigue requiriendo recursos y controles.

Los autores reconocen que PottsMPNN puede afinarse para tareas específicas, lo que en el pasado ha mejorado la predicción de consecuencias de mutaciones concretas. Ajustes y entrenamiento dirigido pueden aumentar el rendimiento en aplicaciones particulares, como predecir la estabilidad de variantes clínicamente relevantes o diseñar ligandos para una diana concreta.

Conclusión: un paso para diseñar proteínas útiles, no para imitar la evolución

PottsMPNN representa una evolución del enfoque de diseño proteico con IA: en lugar de medir el éxito por la capacidad de reproducir la secuencia que la evolución dejó, el modelo prioriza que la secuencia generada sea compatible con la estructura y energeticamente viable. Esa prioridad permite proponer secuencias nuevas, potencialmente más útiles para fines humanos, y mejora la predicción del impacto de mutaciones en la estabilidad.

Para América Latina, la novedad abre posibilidades para proyectos de investigación aplicada y para la industria biotecnológica local, siempre acompañados de marcos regulatorios, inversión en capacidades y reflexión ética. Como resumen del equipo del MIT: avanzar en métodos que entienden mejor la física y la evolución que subyacen al plegamiento proteico es clave para diseñar proteínas nuevas y útiles, con una base más sólida para futuros desarrollos en biología sintética y medicina.