← Volver al inicio

Del diseño con IA al mundo real: Estados Unidos invierte en un laboratorio abierto en la nube para la ingeniería de proteínas

La Universidad Northwestern recibió una subvención de 20 millones de dólares durante cuatro años de la Fundación Nacional de Ciencias de Estados Unidos para integrar el diseño con IA, la síntesis de proteínas sin células y las pruebas robóticas en un flujo de trabajo experimental remoto. Aunque el objetivo es crear una gran base de datos abierta, las instalaciones aún deben construirse y tanto su rendimiento como las normas de uso siguen sin estar claros.

By SURL BioNews

La IA generativa de proteínas puede proponer miles de diseños en una computadora, pero el verdadero cuello de botella está en la mesa de laboratorio: todavía es necesario verificar uno por uno si los candidatos proteicos pueden fabricarse, si son estables y si cumplen la función prevista. La Universidad Northwestern, en Estados Unidos, ha recibido ahora 20 millones de dólares para transformar este costoso y lento proceso en un servicio experimental automatizado que los investigadores puedan utilizar de forma remota.

La Fundación Nacional de Ciencias de Estados Unidos (NSF) proporcionará estos fondos a lo largo de cuatro años para crear el laboratorio en la nube «Máquina de Automatización Experimental Rápida Impulsada por IA» (DREAM Cloud Lab). Las instalaciones se ubicarán en la Synthetic Biology Foundry, perteneciente al Centro de Biología Sintética de la Universidad Northwestern. El proyecto estará dirigido por Julius Lucks y contará con integrantes de la Universidad Northwestern y la Universidad Stanford, con especialidades que abarcan la biología sintética, la ingeniería de proteínas, la informática y la estadística.

El flujo de trabajo previsto comenzará en una interfaz en la nube: el usuario describirá la función que desea que desempeñe una proteína, los modelos de IA propondrán diseños candidatos y, tras una revisión de bioseguridad y bioprotección, un sistema robótico se encargará de construirlos y probarlos. El equipo planea utilizar tecnología de síntesis de proteínas sin células, que aprovecha directamente la maquinaria molecular fuera de las células para fabricar proteínas. Los resultados experimentales se incorporarán de nuevo al modelo para formar un ciclo iterativo de «diseño, construcción, prueba y aprendizaje».

El valor biomédico de este sistema no radica únicamente en generar con rapidez secuencias candidatas, sino en aportar la retroalimentación experimental estandarizada que más falta en la ingeniería de proteínas con IA. Si los investigadores pueden comparar en una misma plataforma los niveles de expresión, la estabilidad y la función de las proteínas, los datos podrán utilizarse para mejorar los modelos de diseño de proteínas terapéuticas y otras biotecnologías. La universidad estima que, en cuatro años, sintetizará y caracterizará más de 300.000 proteínas, generará hasta 30 millones de registros de datos y publicará de forma abierta tanto los datos como los modelos de IA.

DREAM también forma parte de los primeros 20 «laboratorios programables en la nube» de la NSF. La NSF anunció una inversión de 380 millones de dólares para establecer una red nacional que abarque los ámbitos de la biología, la química, los materiales y la electrónica, mientras que Astera Institute podrá aportar hasta otros 20 millones de dólares de apoyo. La orientación común consiste en permitir que los investigadores programen experimentos de forma remota y generen datos reutilizables y aptos para entrenar IA. El nodo de la Universidad Northwestern se centrará en la ingeniería de proteínas y establecerá un comité de ética e innovación responsable que participará en su gobernanza.

Sin embargo, lo anunciado hasta ahora son objetivos de construcción, no una validación técnica ya completada. La universidad todavía no ha proporcionado la tasa de acierto de los modelos, la capacidad de procesamiento experimental de los robots, los estándares de calidad de los datos ni los mecanismos de espera y cobro para usuarios externos. También queda por institucionalizar el alcance concreto del «acceso abierto» y la forma en que se revisarán los diseños de proteínas con posibles usos duales. La capacidad de este laboratorio para acortar realmente el ciclo de descubrimiento de fármacos dependerá, en última instancia, de que los datos que genere sean fiables y reproducibles, y de que puedan traducirse en estudios independientes en proteínas con funciones prácticas.

References

  1. Northwestern University
  2. Northwestern Now
  3. U.S. National Science Foundation