La IA ayudó a los investigadores a bloquear un virus antes de que comenzara la infección

En resumen

• Los investigadores identificaron una interacción molecular clave en la que los virus confían para entrar en las células y la interrumpieron en experimentos de laboratorio.
• El trabajo utilizó IA y simulaciones moleculares para reducir miles de interacciones a un objetivo crítico.
• Los científicos dijeron que el enfoque podría ayudar a guiar futuras investigaciones antivirales y de enfermedades, aunque sigue en una etapa temprana.

Centro de Arte, Moda y Entretenimiento de Decrypt.

Descubre SCENE

La mayoría de los medicamentos antivirales atacan a los virus después de que ya han entrado en 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 confían para entrar en 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, utilizando inteligencia artificial y simulaciones moleculares para identificar una interacción crítica dentro de una proteína de fusión que, cuando se altera en experimentos de laboratorio, impidió que el virus entrara en nuevas células.

“Los virus atacan las células a través de miles de interacciones”, dijo el profesor Jin Liu, profesor de ingeniería mecánica y de materiales en la Universidad Estatal de Washington, a Decrypt. “Nuestra investigación consiste en identificar la más importante, y una vez que identificamos esa interacción, podemos encontrar una forma de evitar que el virus entre en 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 dirigido por el profesor de Microbiología Veterinaria y Patología Anthony Nicola, con financiación 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 superficial, la glicoproteína B (gB), que es esencial para impulsar la fusión de la membrana durante la entrada.

Los científicos han sabido durante mucho tiempo que gB es central en la infección, pero su gran tamaño, arquitectura compleja y coordinación con otras proteínas de entrada viral han dificultado identificar cuáles de sus muchas interacciones internas son funcionalmente críticas.

Liu dijo que el valor de la inteligencia artificial en el proyecto no era que descubriera algo desconocido para los investigadores humanos, sino que hacía la búsqueda mucho más eficiente.

En lugar de confiar en prueba y error, el equipo utilizó simulaciones y aprendizaje automático para analizar miles de posibles interacciones moleculares simultáneamente y clasificar cuáles eran las más importantes.

“En experimentos biológicos, generalmente comienzas con una hipótesis. Piensas que esta región puede ser importante, pero en esa región hay cientos de interacciones”, dijo Liu. “Pruebas una, quizás no sea importante, luego otra. Eso lleva mucho tiempo y mucho dinero. Con simulaciones, el costo puede ser ignorado, y nuestro método puede identificar las interacciones realmente importantes que luego pueden ser probadas en experimentos.”

La IA se está usando cada vez más en la investigación médica para identificar patrones de enfermedades que son difíciles de detectar mediante métodos tradicionales.

Estudios recientes han aplicado aprendizaje automático para predecir el Alzheimer años antes de que aparezcan los síntomas, detectar signos sutiles de la enfermedad en escaneos de MRI y pronosticar riesgos a largo plazo para cientos de condiciones usando grandes conjuntos de datos de registros de salud.

El gobierno de EE. UU. 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 dijo que el mismo marco computacional podría aplicarse a enfermedades impulsadas por interacciones alteradas de proteínas, incluyendo trastornos neurodegenerativos como la enfermedad de Alzheimer.

“Lo más importante es saber qué interacción hay que atacar”, dijo Liu. “Una vez que podemos proporcionar ese objetivo, las personas pueden buscar formas de debilitarlo, fortalecerlo o bloquearlo. Esa es realmente la importancia de este trabajo.”