Ir al contenido
IA para hoy
Investigación Investigación 3/5 · Una fuente fiable

IA generativa diseña dominios de proteínas que triplican el rendimiento de enzimas productoras de antibióticos

Fotografía de archivo que ilustra: IA generativa diseña dominios de proteínas que triplican el rendimiento de enzimas productoras de antibióticos
Foto: Jess Loiterton · Licencia Pexels · Pexels

Hecho Qué ha ocurrido

Investigadores combinaron modelos generativos (ESM3, ProteinMPNN, EvoDiff) con ciclos de diseño-construcción-prueba-aprendizaje para crear 76 dominios de tiolación nuevos y probaron 578 variantes de sintetasas peptídicas no ribosomales (NRPS) in vivo. Los mejores diseños de IA aumentaron hasta 3 veces el rendimiento frente al dominio natural, manteniendo enzimas híbridas activas. Un diseño representativo mostró mejor expresión soluble, replegamiento y una temperatura de fusión 12°C más alta que el original.

Resumen generado mediante IA a partir de Nature · Machine learning (original en inglés). Naturaleza de la información: declaración de parte interesada.

Análisis Por qué importa

Demuestra que la IA generativa puede ir más allá de imitar secuencias naturales y diseñar componentes funcionales para maquinaria biosintética compleja, abriendo camino a la ingeniería más rápida y eficaz de antibióticos y otros productos naturales.

Quién se ve afectado
Empresas de biotecnología farmacéutica, laboratorios de descubrimiento de fármacos e investigadores en ingeniería de proteínas.
Qué puede cambiar
Se reduce la dependencia de la evolución natural o el diseño racional lento para reprogramar enzimas de ensamblaje biosintético, permitiendo optimizar producción de compuestos terapéuticos con ciclos de diseño guiados por IA.

Análisis generado a partir de la información disponible; no procede de la fuente.

Predicción Qué observar a continuación

Habrá que ver si estos enfoques se extienden a otras familias de enzimas multidominio y si se traducen en procesos industriales de producción de antibióticos u otros fármacos en los próximos años.

Compartir WhatsApp LinkedIn X Bluesky Telegram
Enviar esta noticia por correo

Se envía esta noticia con su análisis. La dirección se usa solo para ese envío y no se guarda.

Protección de datos. Responsable: Fernando Lobato, PhD. Finalidad: hacer el envío que pides. Base: nuestro interés legítimo. Lo envía Resend; la comprobación de robots es de Cloudflare. Puedes acceder a tus datos, pedir que los borremos y ejercer tus demás derechos como explica la política de privacidad.

Fuente original: Nature · Machine learning (fuente primaria). La referencia es siempre el artículo original.

Ver fuente original ↗

IA científicamodelos generativosdiseño de proteínas antibióticos biotecnología ESM3 NRPS proteínas

Relacionadas

Investigadores usan IA para diseñar proteasas que cortan otras proteínas

Investigadores han usado herramientas de diseño de proteínas basadas en IA para tomar el núcleo catalítico de dos tipos de proteasa y sustituir el resto de la…

Por qué importaMuestra que la IA puede crear enzimas a medida con funciones específicas, un avance con potencial para la investigación biomédica y el desarrollo de…

Impacto bajo Fiabilidad una fuente fiable Ars Technica AI

La IA pasa de descubrir a diseñar medicamentos desde cero

La inteligencia artificial está transitando de analizar y acelerar procesos en medicina a diseñar activamente nuevas moléculas y proteínas nunca creadas antes…

Por qué importaEste cambio representa un salto cualitativo en cómo la IA crea valor en farmacéutica: pasar de herramienta de búsqueda a motor de creación de nuevas…

Impacto alto Fiabilidad declaración interesada Relevancia 8/10 Business Insider España

Investigadores demuestran que computación cuántica mejora modelos de IA generativa en descubrimiento de fármacos

Un equipo de la Universidad Técnica de Dinamarca ha demostrado que una computadora cuántica puede mejorar la precisión de modelos de IA generativa para…

Por qué importaLa demostración práctica de una aplicación comercial cercana de la computación cuántica en IA es raramente documentada; esto refuerza que la…

Impacto medio Fiabilidad una fuente fiable Relevancia 7/10 Wired AI

Deep learning diseña hidrogeles proteicos con relajación de tensión programable

Investigadores de HKUST y colaboradores desarrollaron TangleDiff, un modelo de deep learning para diseñar de novo proteínas homodiméricas entrelazadas con…

Por qué importaEs un ejemplo de IA generativa aplicada al diseño de biomateriales con propiedades mecánicas controlables, relevante para ingeniería de tejidos y…

Impacto bajo Fiabilidad una fuente fiable Nature · Machine learning

Tu opinión

0 comentarios

Escribe un comentario

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas y firmas con el mismo nombre.

Protección de datos. Responsable: Fernando Lobato, PhD. Finalidad: publicar y moderar tu comentario y evitar abusos. Base: tu consentimiento y, contra los abusos, nuestro interés legítimo. Se publica tu nombre, no tu correo. El texto pasa por un filtro con IA de Anthropic, en Estados Unidos, sin tu nombre ni tu correo, y se guarda un resumen de tu IP 90 días. La comprobación de robots es de Cloudflare. Puedes acceder a tus datos, pedir que los borremos y ejercer tus demás derechos como explica la política de privacidad.