Investigadores del MIT han utilizado inteligencia artificial para mejorar la producción de proteínas en levaduras industriales. Este avance podría reducir los costos en el desarrollo de fármacos biológicos.
Optimización de secuencias genéticas
El equipo analizó el código genético de la levadura Komagataella phaffii, enfocándose en los codones que utiliza. Estos codones, secuencias de ADN de tres letras, tienen diferentes patrones de uso en cada organismo.
El modelo de inteligencia artificial del MIT identificó los patrones de K. phaffii para predecir los codones más eficaces para la producción de proteínas. Esto permitió aumentar la eficiencia en la producción de seis proteínas, incluyendo la hormona del crecimiento humano y un anticuerpo monoclonal para tratar el cáncer.
Impacto en la industria farmacéutica
Según J. Christopher Love, profesor de ingeniería química en el MIT, contar con herramientas predictivas es crucial para acelerar el proceso desde la idea hasta la producción. Esto no solo ahorra tiempo, sino que también reduce costos.
El estudio, publicado en los Proceedings of the National Academy of Sciences, destaca que la optimización de codones puede ser vital en la producción de nuevos fármacos biológicos, donde el desarrollo puede representar entre el 15% y el 20% del costo total de comercialización.
Codificación y producción de proteínas
Para optimizar la producción, los investigadores modifican genes de otros organismos, como el de la insulina. Esto requiere diseñar secuencias de ADN óptimas para las levaduras y establecer condiciones de crecimiento favorables.
A través de un enfoque más detallado, el equipo utilizó un modelo de lenguaje para analizar secuencias de ADN y aprender las relaciones entre los codones. Este método permite una producción más eficiente de proteínas específicas, lo que puede revolucionar la forma en que se desarrollan los medicamentos.
Resultados prometedores
El modelo desarrollado logró optimizar las secuencias de codones para seis proteínas diferentes, mostrando resultados superiores en comparación con herramientas de optimización existentes. Este enfoque ha demostrado ser eficaz y podría ser adaptado para otras especies.
Los investigadores también han comenzado a aplicar este modelo en otros organismos, con la esperanza de que se puedan crear modelos específicos para diferentes especies, mejorando aún más la producción de proteínas.
