Nuevo estudio sobre el funcionamiento de las proteínas con inteligencia artificial
Científicos de la Universidad Libre de Berlín contribuyen al avance de Microsoft Research en el modelado de proteínas
Un importante avance científico en el modelado de proteínas, desarrollado por Microsoft Research AI for Science, se ha publicado en el número del 10 de julio de Science. El estudio presenta BioEmu, un sistema de aprendizaje profundo generativo que emula el comportamiento en equilibrio de las proteínas con una rapidez y precisión sin precedentes.
Dado que la función biológica de las proteínas depende de cambios dinámicos en su estructura, la capacidad de predecir estos cambios estructurales con rapidez y precisión abre la puerta a decisiones de diseño más racionales en el descubrimiento de fármacos, ayudando a reducir la tasa de fracaso de los medicamentos en los ensayos clínicos.
BioEmu puede generar miles de estructuras proteicas estadísticamente independientes por hora en una sola unidad de procesamiento gráfico (GPU). "Esto reduce el coste y el tiempo necesarios para analizar los cambios de estructura funcional en las proteínas", afirma el profesor Frank Noé, que ha dirigido el proyecto. BioEmu integra más de 200 milisegundos de simulaciones de dinámica molecular con datos experimentales para predecir conjuntos estructurales y propiedades termodinámicas con una precisión cercana a la experimental.
El sistema capta fenómenos biológicos complejos como la formación de bolsas de unión ocultas, los movimientos de dominios y el desdoblamiento local, todos ellos fundamentales para comprender la función de las proteínas y el diseño de fármacos. BioEmu también predice cambios en la estabilidad de las proteínas con una precisión que puede competir con los experimentos de laboratorio. "De este modo, BioEmu proporciona un método escalable para modelizar la función de las proteínas a escala genómica", añade la profesora Cecilia Clementi.
El código y el modelo de BioEmu están disponibles gratuitamente bajo la permisiva licencia MIT. Junto con la publicación, Microsoft Research también ha hecho público el conjunto de datos de simulación de dinámica molecular que se generó para entrenar BioEmu. Este conjunto de datos, que contiene más de 100 milisegundos de simulaciones de miles de sistemas proteicos, representa el mayor conjunto de simulaciones de secuencias de proteínas disponible públicamente hasta la fecha.
Aunque la investigación se llevó a cabo íntegramente en Microsoft, la Universidad Libre de Berlín se enorgullece de reconocer las contribuciones de los investigadores afiliados. La investigación fue dirigida por Frank Noé, Director de Investigación Asociada de Microsoft Research AI for Science en Berlín, que también es profesor honorario de la Freie Universität Berlin. Cecilia Clementi, Catedrática Einstein de Biofísica Teórica y Computacional de la Freie Universität de Berlín, contribuyó decisivamente al trabajo como investigadora visitante en Microsoft Research.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Sarah Lewis, Tim Hempel, José Jiménez-Luna, Michael Gastegger, Yu Xie, Andrew Y. K. Foong, Victor García Satorras, Osama Abdin, Bastiaan S. Veeling, Iryna Zaporozhets, ... Hannes Schulz, Usman Munir, Roberto Sordillo, Ryota Tomioka, Cecilia Clementi, Frank Noé; "Scalable emulation of protein equilibrium ensembles with generative deep learning"; Science, 2025-7-10
Más noticias del departamento ciencias
