La inteligencia artificial revela el movimiento de las proteínas

Juan Pareja
La inteligencia artificial revela el movimiento de las proteínas

Un equipo de investigadores de la Universidad de Maryland lo utilizó inteligencia artificial para el procesamiento del lenguaje natural, aplicándolo a los movimientos de moléculas de proteínas. De esta manera, los investigadores crearon un lenguaje abstracto  que describe las muchas formas que puede tomar una molécula de proteína y cómo y cuándo las proteínas cambian de una forma a otra.

Inteligencia artificial aplicada por primera vez al movimiento de moléculas

A menudo la forma y estructura de una proteína determinan o en todo caso influyen en su función. Por tanto, ser capaz de comprender cuáles son las dinámicas que controlan la forma de una proteína puede llevar a la comprensión de su funcionamiento o mal funcionamiento en caso de enfermedades. Por lo tanto, podrían crear terapias con medicamentos que son capaces de intervenir en la forma de las proteínas de forma dirigida.

Por lo tanto, por primera vez algoritmos de inteligencia artificial (IA) se utilizan para comprender y codificar el lenguaje de la dinámica biomolecular de las proteínas. El éxito de estas investigaciones logra un salto adelante no solo en el campo biomédico, sino también en el progreso de la inteligencia artificial.

El autor principal del artículo publicado el 9 de octubre en Comunicaciones con la naturaleza, Pratyush Tiwary, profesor asistente en el Departamento de Química y Bioquímica de la UMD, dijo en el estudio “Demostramos que ely las mismas arquitecturas de IA que se utilizan para completar oraciones al escribir correos electrónicos, se pueden utilizar para descubrir el idioma que hablan las moléculas de la vida. Mostramos que el movimiento de estas moléculas puede ser mapeado en un lenguaje abstracto y que se pueden utilizar técnicas de inteligencia artificial para generar historias biológicamente veraces a partir de las palabras abstractas obtenidas ”.

movimiento proteínas inteligencia artificial ai

Las proteínas se mueven demasiado rápido para los métodos tradicionales

Las proteínas están en constante movimiento y su forma está determinada por la forma en que las cadenas de aminoácidos se pliegan y retuercen alrededor de sí mismas. Pueden permanecer en una forma determinada durante segundos o días antes de abrirse y plegarse repentinamente en una forma o estructura diferente.

Pero la transición de una forma a otra ocurre en picosegundos o incluso más rápido, lo que dificulta que los métodos experimentales como los microscopios de alta potencia y la espectroscopía capturen estos movimientos muy rápidos y determinen qué parámetros afectan el desarrollo y identificar todas las posibles formas intermedias.

La inteligencia artificial predice lo que no podemos observar

Ahora, el nuevo método de Tiwary puede proporcionar las respuestas a estas preguntas. Tiwary y su equipo aplicaron Leyes del movimiento de Newton para predecir el movimiento de los átomos dentro de una molécula, con supercomputadoras potentes, incluida la Pensamiento profundo2 de UMD, han desarrollado modelos de física estadística que simulan la forma, el movimiento y la trayectoria de moléculas individuales.

Posteriormente estos modelos fueron insertado en un algoritmo de aprendizaje automático, como el que usa Gmail para completar oraciones automáticamente a medida que escribe. El algoritmo se ocupó de simulaciones como un lenguaje en el que cada movimiento molecular forma una letra que se puede combinar con otros movimientos para crear palabras y frases.

Aprendizaje las reglas de la sintaxis y la gramática que determinan qué formas y movimientos se suceden y cuáles no, el algoritmo predice cómo se desenreda la proteína a medida que cambia de forma y la variedad de formas que toma en el camino.

La validez del método de IA y su uso en el futuro

Para probar la validez de este método, los investigadores lo tienen aplicado a una pequeña biomolécula, llamado riboswitch. La molécula se analizó primero mediante análisis espectroscópico y luego con el método de IA. Los resultados obtenidos que identificaron las diversas formas que podría adoptar el riboswitch, correspondía a los resultados de los análisis espectroscópicos.

Además, esta investigación condujo a la adquisición de un buen conocimiento del sistema de procesamiento del lenguaje utilizado por Tiwary y su equipo, que generalmente se denomina red neuronal recurrente y, en este caso específico, red de memoria a corto plazo. Los investigadores analizaron las matemáticas detrás de la red de inteligencia artificial, mientras que este aprendió el lenguaje del movimiento molecular.

Descubrieron que la red usaba un tipo de lógica similar a un concepto importante en física estadística llamado entropía de ruta. Esto puede ayudar a mejorar las redes neuronales recurrentes de las futuras inteligencias artificiales.

Como dijo Tiwary, “Es natural preguntarse si existen principios físicos que rigen el éxito de las herramientas de inteligencia artificial. Ahora encontramos que, de hecho, es por eso La IA es la entropía del camino de aprendizaje. Ahora que lo sabemos, tenemos más herramientas para ajustar para mejorar la IA para la biología y tal vez de manera ambiciosa incluso mejorar la IA misma. Cada vez que comprendes un sistema complejo como la IA, obtienes nuevas herramientas para usarlo de manera más efectiva y confiable ”.

Información: Zachary Smith / UMD

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *