Los científicos han desarrollado un nuevo sistema de aprendizaje automático que podría ayudar a preservar vacunas, sangre y otros tratamientos médicos.
El investigaciónpublicado en Nature Communications, fue dirigido por la Universidad de Warwick y la Universidad de Manchester.
El sistema de IA ayuda a identificar moléculas llamadas crioprotectores, compuestos que previenen daños al congelar materiales biológicos.
Los crioprotectores son sustancias especiales que ayudan a proteger las células y los tejidos vivos del daño cuando se congelan.
Actúan previniendo la formación de cristales de hielo dañinos, que esencialmente rompen el tejido cuando lo congelas, y también ayudan a las células a mantener su estructura en condiciones de frío extremo.
Estos compuestos son de fundamental importancia para conservar cosas como vacunas, muestras de sangre y células reproductivas para su almacenamiento o transporte a largo plazo.
Los criopreservantes algún día podrían usarse para preservar órganos, tejidos complejos o incluso seres humanos enteros.
Actualmente, encontrar nuevos crioprotectores es un proceso lento de prueba y error. Este nuevo enfoque impulsado por ML permite a los investigadores examinar rápidamente cientos de moléculas potenciales de forma virtual.
A continuación se detallan algunos puntos clave del estudio:
- El equipo creó un modelo de aprendizaje automático entrenado con datos de crioprotectores existentes.
- Este modelo puede predecir qué tan bien podrían funcionar nuevas moléculas como crioprotectores.
- Los investigadores utilizaron el modelo para examinar una biblioteca de unos 500 aminoácidos.
- El sistema identificó varios compuestos prometedores, incluido un éster de aminooxazol que superó a muchos crioprotectores conocidos.
- Las pruebas de laboratorio confirmaron las predicciones de la IA, y el nuevo compuesto mostró una fuerte prevención de cristales de hielo.
- La molécula descubierta mejoró la conservación de los glóbulos rojos cuando se combinó con técnicas estándar.
El éster de aminooxazol identificado en el estudio demostró cualidades particularmente notables de inhibición de la recristalización del hielo (IRI). Detuvo casi por completo que los cristales de hielo crecieran durante el proceso de congelación.
El compuesto fue eficaz incluso cuando los investigadores redujeron su concentración. Además, también mantuvo sus propiedades inhibidoras del hielo en solución salina tamponada con fosfato (PBS), una solución que imita la concentración de sal en el cuerpo humano.
El Dr. Matt Warren, el estudiante de doctorado que encabezó el proyecto, describió cómo el modelo acelera la eficiencia: “Después de años de recopilación de datos laboriosa en el laboratorio, es increíblemente emocionante tener ahora un modelo de aprendizaje automático que permita un enfoque basado en datos”. para predecir la actividad crioprotectora”.
El profesor Matthew Gibson de Manchester añade: “Los resultados del modelo informático fueron sorprendentes e identificaron moléculas activas que nunca habría elegido, ni siquiera con mis años de experiencia”.
El profesor Gabriele Sosso, que dirigió el equipo de Warwick, explicado en una publicación de blog que, si bien es impresionante, el aprendizaje automático no es una panacea para este tipo de problemas de investigación: “Es importante comprender que el aprendizaje automático no es una solución mágica para todos los problemas científicos. En este trabajo, lo utilizamos como una herramienta entre muchas”.
Los investigadores combinaron las predicciones de la IA con simulaciones moleculares y experimentos de laboratorio, un enfoque múltiple que ayudó a validar los resultados y perfeccionar el modelo.
Esto contribuye a una serie de estudios impulsados por la IA sobre el descubrimiento de fármacos y el diseño de materiales. Los investigadores han construido modelos de IA para generar compuestos medicinales interesantes, uno de los cuales se ha llevado a ensayo clínico.
DeepMind también creó un modelo llamado GNoME capaz de generar y sintetizar materiales automáticamente.
Los nuevos compuestos crioprotectores descubiertos podrían tener amplios impactos en el mundo real.
Por ejemplo, los investigadores describen cómo mejorar la criopreservación podría extender la vida útil de las vacunas y facilitar el transporte de tratamientos médicos sensibles a áreas remotas.
La técnica también podría acelerar las transfusiones de sangre al reducir el tiempo necesario para procesar la sangre congelada.
Si bien los resultados son prometedores, el equipo advierte que se necesita más trabajo para comprender completamente cómo funcionan estos nuevos compuestos y garantizar la seguridad y estabilidad médica.