Compartir
La predicción del comportamiento de las proteínas representa uno de los desafíos más relevantes en la neurociencia contemporánea. Comprender cómo estas moléculas se transforman en estructuras tóxicas y se acumulan en el cerebro es fundamental para abordar patologías como el Alzheimer, el Parkinson y la esclerosis lateral amiotrófica (ELA). Frente a esta problemática, un consorcio de investigadores argentinos presentó una solución innovadora: AggrescanAI, un software basado en inteligencia artificial que supera significativamente el desempeño de las herramientas convencionales.
El desarrollo fue liderado por especialistas del CONICET, la Fundación Instituto Leloir (FIL) y el ITBA, con colaboración internacional del grupo de Salvador Ventura de la Universidad Autónoma de Barcelona. Los resultados fueron publicados en la prestigiosa revista Journal of Molecular Biology. La herramienta utiliza aprendizaje profundo para identificar las «Regiones Propensas a la Agregación» en proteínas, es decir, aquellas zonas que tienen mayor probabilidad de generar acumulaciones peligrosas.
¿Qué diferencia a AggrescanAI de los sistemas anteriores? La respuesta radica en cómo interpreta la información. Mientras que los algoritmos tradicionales veían las proteínas como simples cadenas de caracteres sin contexto, este nuevo software «lee» las proteínas de manera similar a como un humano interpreta una oración: entiende que el significado de cada componente depende de lo que ocurre en su entorno. Según Cristina Marino-Buslje, investigadora del CONICET en el IIBBA y coautora del trabajo, «nuestro software comprende que el comportamiento de una sección de la proteína cambia según su contexto molecular».
Para lograr esta capacidad, el equipo implementó el modelo de lenguaje de proteínas ProtT5 (pLM), uno de los más avanzados disponibles actualmente. Este modelo transforma cada aminoácido en un conjunto de números denominados «embeddings» que capturan tanto su función como su contexto biológico. Estos embeddings permiten al sistema predecir con precisión qué regiones de una proteína generarán agregación, información crucial para entender la patogénesis de enfermedades neurodegenerativas.
Las implicaciones prácticas son profundas y multidimensionales. En primer lugar, AggrescanAI reduce significativamente los costos y tiempos de investigación. Al basarse únicamente en la secuencia proteica, elimina la necesidad de costosas y lentas imágenes tridimensionales para determinar si una proteína es potencialmente peligrosa. Esto abre nuevas posibilidades para laboratorios con presupuestos limitados y acelera el ritmo de descubrimiento.
Para el desarrollo de fármacos, la herramienta ofrece capacidades revolucionarias. Los investigadores pueden ahora probar virtualmente miles de moléculas para identificar cuáles previenen mejor la formación de agregados proteicos, reduciendo drásticamente el número de candidatos que requieren validación experimental costosa. Además, el software puede predecir mutaciones genéticas que aumentan el riesgo de agregación, permitiendo diagnósticos más rápidos y terapias personalizadas según el perfil genético del paciente.
Uno de los aspectos más destacables es su accesibilidad global. AggrescanAI es completamente gratuito y de código abierto. Cualquier investigador en el mundo puede acceder a través de una notebook de Google Colab, sin necesidad de instalar software complejo ni poseer infraestructura computacional sofisticada. El procedimiento es directo: ingresar la secuencia proteica de interés y ejecutar el análisis para obtener un informe detallado sobre la presencia de zonas propensas a la agregación.
Este desarrollo posiciona a la bioinformática argentina en la vanguardia de la innovación en inteligencia artificial aplicada a proteínas. En un contexto donde la industria farmacéutica global busca herramientas computacionales más precisas y accesibles para reducir tiempos y costos en el desarrollo de medicamentos, la aparición de AggrescanAI representa una contribución significativa que puede integrarse tanto en pipelines académicos como en plataformas industriales de descubrimiento de fármacos a escala internacional, con potencial para transformar el abordaje de enfermedades neurodegenerativas.
