En Resumen
- Investigadores de la Universidad Estatal de Washington utilizaron IA y simulaciones moleculares para identificar una interacción crítica que impide la entrada viral a células humanas.
- El estudio publicado en Nanoscale se enfocó en la proteína de fusión glicoproteína B del herpes, esencial para la fusión de membrana durante la infección.
- Los Institutos Nacionales de Salud financiaron la investigación con $50 millones para aplicar IA a la detección temprana de enfermedades como cáncer y Alzheimer.
La mayoría de los medicamentos antivirales se enfocan en los virus después de que ya se han infiltrado dentro de las células humanas. Investigadores de la Universidad Estatal de Washington dijeron que encontraron una forma de intervenir antes, identificando una sola interacción molecular en la que los virus dependen para entrar a las células en primer lugar.
La investigación, publicada en noviembre en la revista Nanoscale, se centró en la entrada viral, una de las etapas menos comprendidas y más difíciles de interrumpir de la infección, utilizando inteligencia artificial y simulaciones moleculares para identificar una interacción crítica dentro de una proteína de fusión que, cuando se alteró en experimentos de laboratorio, impidió que el virus entrara a nuevas células.
"Los virus atacan células a través de miles de interacciones", señaló el profesor Jin Liu, profesor de ingeniería mecánica y de materiales en la Universidad Estatal de Washington, a Decrypt. "Nuestra investigación es identificar la más importante, y una vez que identificamos esa interacción, podemos encontrar una forma de evitar que el virus entre a la célula y detener la propagación de la enfermedad".
El estudio surgió de un trabajo que comenzó hace más de dos años, poco después de la pandemia de COVID-19, y fue liderado por el profesor de Microbiología y Patología Veterinaria Anthony Nicola, con financiamiento de los Institutos Nacionales de Salud.
En el estudio, los investigadores examinaron los virus del herpes como caso de prueba.
Estos virus dependen de una proteína de fusión de superficie, la glicoproteína B (gB), que es esencial para impulsar la fusión de membrana durante la entrada.
Los científicos han sabido desde hace mucho tiempo que la gB es fundamental para la infección, pero su gran tamaño, arquitectura compleja y coordinación con otras proteínas de entrada viral han dificultado determinar cuál de sus muchas interacciones internas son funcionalmente críticas.
Liu señaló que el valor de la inteligencia artificial en el proyecto no fue que descubriera algo desconocido para los investigadores humanos, sino que hizo la búsqueda mucho más eficiente.
En lugar de depender del ensayo y error, el equipo utilizó simulaciones y machine learning para analizar miles de posibles interacciones moleculares simultáneamente y clasificar cuáles eran las más importantes.
"En experimentos biológicos, usualmente comienzas con una hipótesis. Piensas que esta región puede ser importante, pero en esa región hay cientos de interacciones", afirmó Liu. "Pruebas una, tal vez no sea importante, luego otra. Eso toma mucho tiempo y mucho dinero. Con simulaciones, el costo puede ser insignificante, y nuestro método es capaz de identificar las interacciones realmente importantes que luego pueden ser probadas en experimentos".
La IA se está utilizando cada vez más en la investigación médica para identificar patrones de enfermedades que son difíciles de detectar a través de métodos tradicionales.
Estudios recientes han aplicado machine learning para predecir el Alzheimer años antes de que aparezcan los síntomas, detectar signos sutiles de enfermedad en escaneos de resonancia magnética, y pronosticar el riesgo a largo plazo de cientos de condiciones utilizando grandes conjuntos de datos de registros de salud.
El gobierno de Estados Unidos también ha comenzado a invertir en este enfoque, incluyendo una iniciativa de $50 millones de los Institutos Nacionales de Salud para aplicar IA a la investigación del cáncer infantil.
Más allá de la virología, Liu agregó que el mismo marco computacional podría aplicarse a enfermedades impulsadas por interacciones proteicas alteradas, incluyendo trastornos neurodegenerativos como el Alzheimer.
"Lo más importante es saber qué interacción atacar", señaló Liu. "Una vez que podamos proporcionar ese objetivo, las personas pueden buscar formas de debilitarlo, fortalecerlo o bloquearlo. Esa es realmente la importancia de este trabajo".