Conicet: Desarrollan IA para predecir proteínas asociadas a Alzheimer y Parkinson

Conicet: Desarrollan software con inteligencia artificial para predecir proteínas asociadas a Alzheimer, Parkinson y otras enfermedades

Científicos argentinos desarrollaron AggrescanAI, un software basado en inteligencia artificial que permite anticipar regiones de las proteínas con tendencia a formar agregados tóxicos asociados a enfermedades como Alzheimer, Parkinson y ELA. La herramienta, creada por equipos del CONICET, el Instituto Leloir y el ITBA, es gratuita, supera métodos actuales y podría acelerar diagnósticos, terapias y estudios médicos sin requerir costosas imágenes tridimensionales.

AggrescanAI es una herramienta creada por científicos argentinos que aplica inteligencia artificial para detectar regiones de proteínas con tendencia a formar agregados tóxicos en el cerebro. Desarrollado por equipos del CONICET, el Instituto Leloir y el ITBA, el software es gratuito, supera métodos informáticos y amplía posibilidades investigación y diagnóstico en enfermedades neurodegenerativas.

Un grupo internacional de investigadores, liderado por especialistas del CONICET, la Fundación Instituto Leloir (FIL) y el Instituto Tecnológico de Buenos Aires (ITBA), presentó un nuevo software capaz de anticipar con mayor precisión el plegamiento incorrecto de proteínas y la formación de agregados tóxicos en el cerebro. Este proceso está directamente relacionado con el desarrollo de enfermedades neurodegenerativas como el Alzheimer, el Parkinson y la esclerosis lateral amiotrófica (ELA).

El sistema, denominado AggrescanAI, utiliza técnicas avanzadas de aprendizaje profundo para identificar las denominadas “Regiones Propensas a la Agregación”, superando el rendimiento de herramientas informáticas que actualmente son estándar en el campo. A diferencia de métodos previos que analizaban las proteínas como simples secuencias lineales, el nuevo desarrollo incorpora el contexto de cada aminoácido dentro de la estructura completa.

Cómo funciona AggrescanAI y por qué mejora los métodos actuales

“AggrescanAI es una herramienta de aprendizaje profundo que utiliza inteligencia artificial para predecir estas regiones que motorizan la agregación de las proteínas”, explicó Cristina Marino-Buslje, investigadora del CONICET en el Instituto de Investigaciones Bioquímicas de Buenos Aires (IIBBA, CONICET-FIL), jefa del Laboratorio de Bioinformática Estructural de la FIL y coautora del estudio publicado en el Journal of Molecular Biology. Según detalló, el software interpreta las proteínas de manera contextual, similar a cómo una persona comprende una oración completa y no solo palabras aisladas.

Para su desarrollo, el equipo empleó el modelo de lenguaje de proteínas ProtT5, uno de los más utilizados en bioinformática por su capacidad para predecir funciones biológicas. Este tipo de modelos transforma cada aminoácido en representaciones numéricas llamadas “embeddings”, que permiten a la inteligencia artificial captar su función y relación con el entorno molecular. De esta manera, el sistema puede anticipar propiedades biológicas sin necesidad de conocer la estructura tridimensional de la proteína.

El trabajo se realizó en colaboración con el grupo del investigador Salvador Ventura, de la Universidad Autónoma de Barcelona, y tuvo como primer autor a Álvaro Navarro, doctorando bajo la dirección de Marino-Buslje. Los creadores del software sostienen que su uso puede generar beneficios directos tanto en términos económicos como en salud pública.

Una de las ventajas centrales de AggrescanAI es que permite evaluar el potencial riesgo de una proteína únicamente a partir de su secuencia, sin recurrir a imágenes 3D costosas y de obtención lenta. Además, la herramienta posibilita predecir mutaciones genéticas que incrementan la probabilidad de agregación, lo que podría contribuir a diagnósticos más rápidos y al diseño de terapias personalizadas.

AggrescanAI está disponible de forma libre mediante una Google Colab notebook. Para utilizarlo, basta con ingresar a su repositorio, cargar la secuencia de la proteína a analizar y ejecutar el sistema, que devuelve información sobre la presencia o no de zonas con tendencia a la agregación.