Los investigadores crearon una nueva proteína basada en la sonificación utilizando el aprendizaje profundo

Los investigadores crearon una nueva proteína basada en la sonificación utilizando el aprendizaje profundo

La proteína es de suma importancia en el cuerpo humano. Se considera como los bloques de construcción de la vida. Los científicos han estudiado durante mucho tiempo sus propiedades y funcionalidades con el fin de mejorar las proteínas y diseñar proteínas completamente nuevas que realicen nuevas funciones y procesos. Recientemente, se produjo una innovación cuando investigadores de los Estados Unidos y Taiwán exploraron cómo crear nuevas proteínas utilizando el aprendizaje automático para traducir las estructuras de las proteínas en partituras musicales, presentando una forma inusual de traducir los conceptos de la física a través de dominios dispares, señaló APL Bioengineering.

Se ha empleado un modelo de aprendizaje profundo para diseñar las proteínas de novo, basado en la interacción de los bloques elementales de construcción a través de patrones jerárquicos. El modelo de red neuronal profunda se basa en la traducción de secuencias de proteínas e información estructural en una partitura musical que presenta diferentes tonos para cada uno de los aminoácidos, y variaciones en la longitud y el volumen de las notas que reflejan la información de la estructura secundaria y la información sobre la longitud de la cadena y las distintas moléculas de la proteína. Los investigadores entrenaron un modelo de aprendizaje profundo cuya arquitectura se compone de varias unidades de memoria a largo plazo a partir de datos consistentes en representaciones musicales de proteínas clasificadas por ciertas características, centrándose aquí en las proteínas ricas en alfa-hélice. Utilizando el modelo de aprendizaje profundo, generaron entonces partituras musicales de novo y tradujeron la información del tono y la longitud de la cadena en secuencias de aminoácidos.

Los investigadores utilizaron una herramienta de búsqueda de alineación local básica para comparar las secuencias de aminoácidos predichas con las proteínas conocidas, y estimar las estructuras de las proteínas plegadas utilizando el método de reconocimiento de pliegues de proteínas optimizado (ORION) y el MODELADOR. Encontraron que el método propuesto puede ser utilizado para diseñar proteínas de novo que no existen todavía, y que las proteínas diseñadas se pliegan en estructuras secundarias específicas. Los investigadores validaron la proteína recientemente pronosticada mediante el equilibrio de la dinámica molecular en agua explícita y la posterior caracterización utilizando un análisis de modo normal. El método proporciona una herramienta para diseñar materiales proteínicos novedosos que podrían encontrar aplicaciones útiles como materiales en biología, medicina e ingeniería.

Cita del investigador e implicaciones futuras

"Estas redes aprenden a entender el complejo lenguaje que hablan las proteínas plegadas en múltiples escalas de tiempo," dijo Markus J. Buehler, del Instituto Tecnológico de Massachusetts. "Y una vez que se le ha dado a la computadora una semilla de una secuencia, puede extrapolar y diseñar proteínas completamente nuevas improvisando a partir de esta idea inicial, considerando varios niveles de variaciones musicales – controladas a través de un parámetro de temperatura – durante la generación."

Esto allana el camino para hacer biomateriales completamente nuevos, dijo Buehler. O quizás encuentres una enzima en la naturaleza y quieras mejorar la forma en que cataliza o crear nuevas variaciones de proteínas.

La "música de proteínas" (escuchar en SoundCloud) que los investigadores descubrieron también podría ayudar a crear nuevas técnicas de composición en la música clásica iluminando los ritmos y tonos de las proteínas, un método al que Buehler se refiere como materiomúsica.

En la evolución de las proteínas a lo largo de miles de años, la naturaleza también nos da nuevas ideas sobre cómo se combinan y fusionan los sonidos, dijo Buehler.

Leave a Comment!