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

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.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
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…
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…
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…
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…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.



