Hace meses que los expertos vienen avisando. El desarrollo de la Inteligencia Artificial ha llegado a un punto de inflexión en el que empieza a superar las capacidades humanas, lo que podría acelerar el progreso tecnológico de forma difícilmente previsible.
Sam Altman, fundador de ChatGPT, ha sido quien más ha liderado este discurso. Y poco a poco aparecen señales que confirman esta teoría. Investigadores de la Universitat Pompeu Fabra acaban de confirmar, por ejemplo, que la IA generativa es más eficiente que la naturaleza diseñando proteínas para editar el genoma.
Mejores herramientas de edición genética
Según detallan en un artículo publicado este jueves en la revista Nature Biotechnology, este avance pionero será de gran utilidad para mejorar las herramientas de edición genética usadas en la investigación biotecnológica y en la medicina personalizada a través del desarrollo de terapias celulares (CAR-T) y génicas, especialmente para el tratamiento de enfermedades oncológicas y raras.
La investigación la han llevado a cabo los expertos de Integra Therapeutics, en colaboración de la Universidad Pompeu Fabra y el Centro de Regulación Genómica de Barcelona. El equipo ha podido diseñar y validar en el laboratorio nuevas proteínas sintéticas capaces de editar el genoma con mayor eficiencia que las proteínas naturales.
Los investigadores Dimitrije Ivančić, Avencia Sánchez-Mejías, Alejandro Agudelo y Marc Güell
“La capacidad de insertar grandes secuencias de ADN en genomas de forma específica y segura ha supuesto una revolución en la investigación y el desarrollo de terapias avanzadas en los últimos años”, señalan los especialistas. Entre los sistemas más prometedores se encuentran los sistemas de transposones, como la PiggyBac, que actúan como copia y pega de ADN para introducir genes terapéuticos en las células del paciente.
Su potencial, sin embargo, ha estado limitado por la escasa diversidad de transposones conocidos y su falta de precisión. De ahí que los científicos hayan usado metodología de bioprospección computacional para examinar más de 31.000 genomas eucariotas y han encontrado más de 13.000 nuevas secuencias PiggyBac hasta ahora desconocidas.
Lee también
Tras llevar a cabo la validación experimental en células humanas en cultivo, se identificaron 10 transposones activos, que demuestra que existe una gran diversidad funcional que todavía no ha sido explorada. Dos de estas mostraron una actividad comparable a la de versiones optimizadas para laboratorio y uso en pacientes, y una exhibió una alta actividad en células T primarias humanas, un tipo celular clave para terapias oncológicas.
En una segunda fase, los investigadores superaron a la naturaleza y utilizaron un modelo de lenguaje de proteínas (pLLM), una forma de IA generativa. Entrenaron el modelo con las 13.000 secuencias PiggyBac descubiertas para generar secuencias completamente nuevas con actividades mejoradas.
Compatibles con tecnologías avanzadas
Este enfoque no sólo optimizó uno de los transposones existentes, sino que también demostró que las variantes diseñadas por la Inteligencia Artificial son compatibles con tecnologías avanzadas de edición genética como la plataforma FiCAT de Integra Therapeutics.
“Este estudio abre el camino a revolucionar el campo de la edición genética y las terapias avanzadas”, dice la doctora Avencia Sánchez-Mejías, CEO y cofundadora de Integra Therapeutics. “Por primera vez hemos utilizado la IA generativa para crear piezas sintéticas y expandir la naturaleza”, añade.
Modelos de lenguaje extensos
“De la misma forma que se puede utilizar el poder cognitivo del ChatGPT para escribir un poema, hemos utilizado los modelos de lenguaje extensos basados en proteínas para generar nuevos elementos que cumplen con los principios físico-químicos de los genes” explica el doctor Marc Güell, investigador ICREA en el MELIS-UPF donde dirige el Laboratorio de Biología Sintética Translacional.
“Estos modelos de Inteligencia Artificial se entrenan con todas las secuencias de proteínas conocidas en la Tierra y aprenden un lenguaje interno o gramática de las proteínas. A partir de esto, son capaces de hablar este lenguaje a la perfección, generando proteínas completamente nuevas que mantienen sentido estructural y funcional” concluye la doctora Noelia Ferruz, que dirige el Grupo de Diseño de Proteínas con IA en el CRG.