Modelos de anticorpos creados con Intelixencia Artificial logran neutralizar a Covid e o Ébola

Hai tempo que se especula que a intelixencia artificial pode axudar a identificar e predicir que moléculas sintéticas terán unha maior probabilidade de unir a un obxectivo específico, como unha proteína viroso ou bacteriana, e neutralizalo. Os primeiros modelos prácticos así o confirman. 

Ademais, a intelixencia artificial tamén pode axudar a optimizar o deseño de moléculas sintéticas a través de simulacións de dinámica molecular e cálculos computacionales. Estas técnicas poden acelerar o proceso de deseño e reducir o tempo e os custos de desenvolvemento de novos anticorpos sintéticos.

Un anticorpo sintético é unha proteína deseñada para imitar a función dos anticorpos naturais do corpo humano. A diferenza dos anticorpos naturais, que se producen no corpo en resposta a unha infección ou enfermidade, os anticorpos sintéticos pódense deseñar especificamente para unir a un obxectivo específico, como unha proteína viroso ou bacteriana, e neutralizalo.

Os anticorpos sintéticos producíronse e utilizado nunha variedade de aplicacións médicas e terapéuticas. Por exemplo, os anticorpos sintéticos utilizáronse no desenvolvemento de tratamentos para o cancro, a artrite reumatoide e outras enfermidades autoinmunitarias. Un dos anticorpos sintéticos máis coñecidos é o tocilizumab, que se utiliza para tratar a artrite reumatoide e outras enfermidades inflamatorias. Outro exemplo é o rituximab, que se utiliza para tratar o linfoma e a leucemia. En resposta á pandemia de COVID-19, xa se desenvolveron anticorpos sintéticos para tratar a enfermidade, pero non usando IA. Por exemplo, o bamlanivimab e o etesevimab son anticorpos sintéticos que se autorizaron para o seu uso en persoas con COVID-19 leve a moderado que corren un alto risco de desenvolver unha enfermidade grave.

A chegada da Intelixencia Artificial (IA) está a revolucionar o mundo tal e como o coñecemos. Parece que esta nova tecnoloxía afectará a todas as áreas de coñecemento, mesmo á área da saúde. Cando a pandemia do Covid-19 estaba a arrasar o mundo, os investigadores apresuráronse a desenvolver algúns dos primeiros tratamentos efectivos contra o virus moléculas de anticorpos illadas do sangue de persoas que se recuperaron da enfermidade.

Agora, os científicos demostraron que la intelixencia artificial xenerativa (IA) pode proporcionar un atallo a través deste laborioso proceso, suxerindo secuencias que aumentan a potencia dos anticorpos contra virus como o SARS-CoV-2 e o ébola. 

Esta noticia coñeceuse en estudo publicado en Nature Biotechnology  é parte dos crecentes esforzos para aplicar "redes neuronais" similares ás que están detrás da plataforma ChatGPT AI para o deseño de anticorpos que curen enfermidades. 

Segundo explica Brian Hie, biólogo computacional de Stanford que codirigió o estudo, titulado "Evolución eficiente de anticorpos humanos a partir de modelos xerais de linguaxe de proteínas"  xerar anticorpos con propiedades útiles e melloralos implica "unha gran cantidade de detección de forza bruta". Pero a IA xenerativa podería facilitar este traballo. Para iso, utilizaron redes neuronais chamadas modelos de linguaxe de proteínas. Estes son similares aos 'modelos de linguaxe grande' que forman a base de ferramentas como ChatGPT. Pero en lugar de recibir grandes volumes de texto, os modelos de linguaxe de proteínas adéstranse en decenas de millóns de secuencias de proteínas.

Con este estudo, o sistema de IA conseguiu melloras a unha terapia aprobada para tratar o Ébola e un tratamento con COVID-19. A capacidade destas moléculas para recoñecer e bloquear as proteínas que estes virus usan para infectar a célula aumentou. 

“Esta é unha ferramenta que a xente usará para mellorar os seus anticorpos”, di Charlotte Deane, investigadora de inmunoinformática da Universidade de Oxford, Reino Unido. "Penso que é realmente xenial". Pero agrega que moitos investigadores esperan que, en lugar de simplemente mellorar os anticorpos existentes, a IA xenerativa poida crear outros completamente novos que se unan a un obxectivo de elección.