Donde una vez estuvieron las cajas negras, brilla la nueva linterna del NIST

Investigadores del Instituto Nacional de Estándares y Tecnología (NIST) han desarrollado una nueva herramienta estadística que les permite predecir la función de las proteínas. No solo podría ayudar con la difícil tarea de alterar las proteínas de manera prácticamente significativa, sino que también funciona utilizando métodos que son totalmente interpretables, una ventaja sobre la inteligencia artificial (IA) tradicional utilizada en la ingeniería de proteínas en el pasado.

La nueva herramienta, llamada LANTERN, podría resultar útil en trabajos que van desde la fabricación de biocombustibles hasta la mejora de cultivos y el desarrollo de nuevos tratamientos para enfermedades. En todas estas tareas, las proteínas juegan un papel clave como componentes básicos de la biología. Pero si bien es comparativamente fácil realizar cambios en la cadena de ADN que sirve como modelo para una proteína determinada, determinar qué pares de bases específicos (peldaños en la escalera del ADN) son clave para lograr el efecto deseado sigue siendo un desafío. Encontrar estas claves ha sido el trabajo de la IA, que se construye a partir de redes neuronales profundas (DNN) que, si bien son efectivas, son notoriamente opacas para la comprensión humana.

Descrito en un nuevo artículo publicado en Proceedings of the National Academy of Sciences, LANTERN demuestra la capacidad de predecir los cambios genéticos necesarios para producir diferencias útiles en tres proteínas diferentes. Una es la proteína en forma de espiga de la superficie del virus SARS-CoV-2 que causa la COVID-19; Comprender cómo los cambios en el ADN pueden alterar esta proteína de punta podría ayudar a los epidemiólogos a predecir el futuro de la pandemia. Los otros dos son caballos de batalla bien conocidos en el laboratorio: la proteína LacI de la bacteria E. coli y la proteína fluorescente verde (GFP), utilizada como marcador en experimentos biológicos. Al elegir estos tres temas, el equipo del NIST pudo demostrar no solo que su herramienta funciona, sino también que sus resultados son interpretables, un atributo importante para la industria que necesita métodos de predicción que ayuden a comprender el sistema subyacente.

Sigue leyendo…