Más que sustituir aminoácidos: Raygun enseña a la IA a redimensionar proteínas naturales

La ingeniería de proteínas suele parecerse a sustituir piezas de una máquina de precisión: reemplazar un solo punto ya es difícil, pero insertar o eliminar segmentos completos de aminoácidos sin alterar el plegamiento ni la función lo es aún más. Raygun, un marco de IA generativa publicado en «Nature», intenta convertir esta tarea en un problema de diseño controlable, permitiendo a los investigadores partir de proteínas naturales fiables, especificar cuánto modificar la secuencia y determinar hasta qué punto acortar o alargar el producto final.

Raygun se basa en las representaciones del modelo de lenguaje de proteínas ESM-2. Comprime secuencias de aminoácidos de distintas longitudes en distribuciones de probabilidad de dimensión fija y después reconstruye las secuencias según la longitud objetivo, lo que permite realizar simultáneamente sustituciones, inserciones y eliminaciones en una sola generación. El modelo utilizado en el estudio se entrenó con aproximadamente 80.000 proteínas de UniRef50; una versión preentrenada archivada públicamente con anterioridad indica que utilizó 95.000 muestras, lo que demuestra que los experimentos del artículo y la versión pública del modelo no son completamente idénticos.

La prueba más directa consistió en reducir dos proteínas fluorescentes de uso habitual, eGFP y mCherry. El equipo generó primero 70.000 secuencias candidatas para cada una y después las filtró según criterios como la familia de proteínas, la plausibilidad evolutiva y la predicción de brillo. Finalmente, introdujo 8 candidatas en células HEK293. De ellas, 6 mostraron una fluorescencia superior al nivel de fondo; las versiones funcionales más cortas tenían solo 199 y 206 aminoácidos, respectivamente, y eran más cortas que el 96% de las proteínas fluorescentes de la base de datos FPbase. Sin embargo, su brillo fue inferior al de las plantillas originales, por lo que actualmente se parecen más a armazones que pueden optimizarse posteriormente mediante evolución que a sustitutos listos para usar.

El valor práctico de reducir proteínas reside en disminuir la carga que imponen a los experimentos o a los sistemas de administración. Los marcadores fluorescentes más cortos podrían reducir la interferencia causada por la fusión con proteínas pequeñas y también podrían ayudar a que los vectores de terapia génica alojen secuencias codificantes que originalmente eran demasiado grandes. Por ello, los investigadores también probaron Raygun con la enzima de marcaje por proximidad TurboID: 6 de las 11 candidatas pudieron expresarse en células, pero solo las dos versiones acortadas en un 1% y un 6% mostraron una actividad significativa de biotina ligasa. Aunque la versión reducida aproximadamente a la mitad, con solo 165 aminoácidos, pudo expresarse, su actividad catalítica no fue significativa.

Raygun también puede realizar el proceso inverso y alargar proteínas. El equipo de investigación utilizó como plantilla el factor de crecimiento epidérmico (EGF) de 53 aminoácidos, generó candidatas de entre 55 y 57 aminoácidos y después empleó el modelo ProTrek para seleccionar su capacidad de unión a EGFR. Las 4 candidatas sometidas a experimentación pudieron expresarse; dos de ellas presentaron constantes de disociación con EGFR de 0,274 y 0,561 micromolares, respectivamente, mejores que los 0,759 micromolares del EGF de tipo silvestre. Este flujo de trabajo de Raygun más ProTrek también quedó entre los diez primeros puestos de un concurso externo de diseño de proteínas de unión a EGFR, lo que proporcionó un contexto comparativo independiente del proceso de selección interno del equipo.

Estos resultados indican que explorar a partir de proteínas existentes podría facilitar la conservación de parte de una función madura en comparación con diseñarlas completamente desde cero; sin embargo, que «la estructura predicha siga siendo similar» no equivale a que «la función biológica esté intacta». La menor luminosidad de las proteínas fluorescentes y la pérdida de actividad significativa del TurboID extremadamente reducido muestran precisamente que las reglas evolutivas aprendidas por el modelo de lenguaje no necesariamente conservan un rendimiento catalítico mejorado artificialmente. Los resultados del EGF solo demuestran también una unión más fuerte in vitro y aún no responden a cuestiones sobre la activación del receptor, los efectos celulares, la estabilidad o la seguridad terapéutica.

Actualmente, Raygun se asemeja más a un generador de candidatos para la ingeniería de proteínas que a un sistema que entrega automáticamente productos terminados. Para convertirse realmente en una herramienta de investigación o un fármaco, todavía deberá complementarse con selección funcional, evolución dirigida, evaluación de la inmunogenicidad y experimentos con animales; las proteínas largas y multidominio también podrían requerir ajustes adicionales. Su relevancia no radica en que la IA ya pueda redimensionar arbitrariamente las moléculas de la vida, sino en que, por primera vez, incorpora inserciones y eliminaciones de secuencias a gran escala en un diseño guiado por plantillas y delimita tanto sus capacidades como sus fallos mediante experimentos celulares y de unión.