MIT presenta PottsMPNN, IA para diseñar proteínas sin depender de secuencias naturales

PottsMPNN es el nuevo marco de aprendizaje automático desarrollado en el Departamento de Biología del MIT que incorpora principios físicos para predecir estructuras y estabilidad de proteínas, rompiendo el paradigma de diseñar secuencias a partir de una estructura predeterminada.

Según «Nuestro trabajo muestra que reproducir la secuencia elegida por la evolución no es la mejor métrica para el diseño de proteínas», dice Amy E. Keating, profesora principal del departamento y autora senior del estudio publicado en PNAS. En la naturaleza, múltiples secuencias pueden plegarse en la misma forma y una única secuencia puede adoptar distintas conformaciones según su flexibilidad o estímulos funcionales. PottsMPNN busca que la IA reconozca esa multiplicidad de soluciones, ampliando el abanico de posibles diseños útiles.

El avance permite generar repertorios de secuencias que podrían unirse a moléculas patógenas en nuestras células, abriendo caminos para terapias basadas en proteínas diseñadas de forma más eficiente. Este enfoque podría acelerar la creación de fármacos y biomateriales personalizados, según los investigadores.