{"id":47980,"date":"2025-05-09T11:15:48","date_gmt":"2025-05-09T09:15:48","guid":{"rendered":"https:\/\/ellipse.prbb.org\/?p=47980"},"modified":"2025-05-09T11:15:23","modified_gmt":"2025-05-09T09:15:23","slug":"descodificar-los-agregados-proteicos-con-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/ellipse.prbb.org\/es\/descodificar-los-agregados-proteicos-con-inteligencia-artificial\/","title":{"rendered":"Descodificar los agregados proteicos con inteligencia artificial"},"content":{"rendered":"\n

En un gran avance cient\u00edfico<\/a>, equipos investigadores han desarrollado una nueva <\/strong>herramienta de Inteligencia Artificial<\/strong>,<\/a> llamada CANYA, que puede descodificar el \u00ablenguaje\u00bb que utilizan las prote\u00ednas para formar agregados nocivos<\/strong>, un proceso implicado en enfermedades como el <\/a>Alzheimer <\/a>y docenas de otros trastornos. CANYA permite a los cient\u00edficos ver exactamente qu\u00e9 combinaciones de amino\u00e1cidos (los bloques de construcci\u00f3n de las prote\u00ednas) fomentan o impiden la agrupaci\u00f3n de prote\u00ednas conocida como agregaci\u00f3n amiloide, que puede alterar la funci\u00f3n celular normal.<\/p>\n\n\n\n

Los investigadores han sido liderados por Benedetta Bolognesi <\/strong>(Instituto de Bioingenier\u00eda de Catalu\u00f1a (IBEC)<\/a>) y Ben Lehner<\/strong><\/a> (Centro de Regulaci\u00f3n Gen\u00f3mica (CRG)<\/a> y Wellcome Sanger Institute<\/a>), en colaboraci\u00f3n con cient\u00edficos del Cold Spring Harbor Laboratory (CSHL)<\/a>.<\/p>\n\n\n\n

Para construir CANYA, el equipo cre\u00f3 el conjunto de datos m\u00e1s grande sobre la agregaci\u00f3n de prote\u00ednas, generando m\u00e1s de 100.000 fragmentos de prote\u00ednas completamente aleatorios<\/strong>, incluidas muchas versiones que no se encuentran en la naturaleza. Despu\u00e9s introdujeron cada fragmento en c\u00e9lulas de levadura<\/a> para comprobar su comportamiento<\/strong>. Este enfoque innovador les dio una visi\u00f3n mucho m\u00e1s amplia de los comportamientos potenciales de las prote\u00ednas que otros estudios que s\u00f3lo analizan conjuntos naturales o peque\u00f1os de secuencias.<\/p>\n\n\n\n

Los datos se utilizaron para entrenar a CANYA<\/strong> mediante una combinaci\u00f3n de m\u00e9todos de IA extra\u00eddos del reconocimiento de im\u00e1genes y del reconocimiento del lenguaje<\/strong>. Estos dos mecanismos permiten al sistema ampliar los peque\u00f1os detalles de las cadenas de prote\u00ednas y al mismo tiempo entender su importancia en un contexto m\u00e1s amplio. Como resultado, CANYA no s\u00f3lo predijo si una prote\u00edna formar\u00eda agregados<\/a>, sino que tambi\u00e9n explic\u00f3 el por qu\u00e9, revelando nuevas reglas sobre c\u00f3mo se comportan las prote\u00ednas.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Aplicaci\u00f3n en desarrollo de f\u00e1rmacos<\/strong><\/strong><\/strong><\/h2>\n\n\n\n

La importancia de este trabajo se extiende m\u00e1s all\u00e1 de la investigaci\u00f3n de enfermedades. La agrupaci\u00f3n de prote\u00ednas es un reto importante en la biotecnolog\u00eda<\/strong>, especialmente en la fabricaci\u00f3n de f\u00e1rmacos basados en prote\u00ednas<\/a>, que pueden convertirse en inutilizables si \u00e9stas se agregan. La capacidad de CANYA para identificar secuencias propensas a la agregaci\u00f3n podr\u00eda ayudar a los ingenieros e ingenieras a dise\u00f1ar prote\u00ednas m\u00e1s estables, ahorrando tiempo y dinero.<\/p>\n\n\n\n

Aunque actualmente la herramienta clasifica las prote\u00ednas en tipos con o sin tendencia a agruparse, los investigadores pretenden ampliarla para predecir la rapidez con que se agregan las prote\u00ednas<\/strong>, un factor clave en la progresi\u00f3n de las enfermedades neurodegenerativas.<\/p>\n\n\n\n

<\/div>\n\n\n\n

La importancia de la transparencia<\/strong> en IA<\/h2>\n\n\n\n

A diferencia de los t\u00edpicos sistemas de IA que producen resultados sin que se sepa muy bien c\u00f3mo (la famosa \u00abcaja negra\u00bb), CANYA es \u00abexplicable<\/strong>\u00ab, es decir, fue construida espec\u00edficamente para revelar las reglas qu\u00edmicas que hay detr\u00e1s de sus decisiones<\/strong>, haci\u00e9ndolas transparentes y comprensibles para los humanos. \u00abQueremos poder confiar en que el modelo est\u00e1 haciendo sus predicciones por razones que tienen sentido, y no en base a algo que simplemente se correlaciona con el resultado pero que en realidad no est\u00e1 en absoluto relacionado con \u00e9l, como podr\u00eda suceder en una IA de ‘caja negra'\u00bb, explica Mike Thompson<\/strong>, primer autor del art\u00edculo.<\/p>\n\n\n\n

<\/div>\n\n\n\n

\u00abA medida que m\u00e1s y m\u00e1s investigadores e investigadoras recurren a la IA para analizar y modelar sus datos, es fundamental comprender las conclusiones y predicciones hechas por el modelo\u00bb
Mike Thompson <\/strong>(CRG), primer autor del art\u00edculo<\/em><\/p>\n\n\n\n

<\/div>\n\n\n\n

Al preguntarle sobre los desaf\u00edos de hacer que la IA sea explicable<\/strong>, Thompson dice: \u00abNo es tan dif\u00edcil para los contextos biol\u00f3gicos, pero generalmente conlleva el riesgo de una p\u00e9rdida de poder predictivo<\/strong>. Esto se debe a que cuanto m\u00e1s compleja es la arquitectura del modelo – cuantos m\u00e1s par\u00e1metros utiliza – mejor rinde, pero tambi\u00e9n menos entendemos c\u00f3mo funciona\u00bb.<\/p>\n\n\n\n

Aunque hacer que CANYA fuera explicable significaba sacrificar un poco de su poder predictivo, vali\u00f3 la pena para mejorar su confiabilidad<\/strong>. Adem\u00e1s, la herramienta demostr\u00f3 ser  un 15% m\u00e1s precisa que los modelos existentes<\/strong>.<\/p>\n\n\n\n

Los autores esperan que este trabajo sirva como ejemplo <\/strong>de formas de seleccionar e interpretar arquitecturas de los modelo predictivos, y est\u00e1n explorando otros escenarios y gu\u00edas para desarrollar estas pr\u00e1cticas.<\/p>\n\n\n\n

<\/div>\n\n\n\n

En definitiva, este estudio demuestra c\u00f3mo la combinaci\u00f3n de experimentos de laboratorio a gran escala con IA explicable<\/a> puede hacer que la biolog\u00eda sea m\u00e1s predecible, un paso esencial para las innovaciones tanto en salud como en biolog\u00eda sint\u00e9tica.<\/p>\n\n\n\n

<\/div>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Equipos cient\u00edficos han desarrollado una nueva herramienta de IA capaz de desentra\u00f1ar el \u00ablenguaje\u00bb que hay detr\u00e1s de las agregaciones de prote\u00ednas, un sello distintivo de enfermedades como el Alzheimer. La herramienta ayudar\u00e1 a predecir qu\u00e9 combinaciones de amino\u00e1cidos fomentan o impiden la agregaci\u00f3n de prote\u00ednas.<\/p>\n","protected":false},"author":6,"featured_media":47964,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[27],"tags":[321,266,861,330],"new-type":[44],"class_list":["post-47980","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-investigacion","tag-alzheimer-es","tag-crg-es","tag-ia-es","tag-proteinas","new-type-noticias"],"acf":[],"_links":{"self":[{"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/posts\/47980","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/comments?post=47980"}],"version-history":[{"count":12,"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/posts\/47980\/revisions"}],"predecessor-version":[{"id":48006,"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/posts\/47980\/revisions\/48006"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/media\/47964"}],"wp:attachment":[{"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/media?parent=47980"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/categories?post=47980"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/tags?post=47980"},{"taxonomy":"new-type","embeddable":true,"href":"https:\/\/ellipse.prbb.org\/es\/wp-json\/wp\/v2\/new-type?post=47980"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}