Adaptyv Bio revoluciona la ingeniería de proteínas utilizando inteligencia artificial generativa

Las herramientas de inteligencia artificial, como ChatGPT, están cambiando drásticamente la forma en que se generan textos, imágenes y código. De manera similar, los algoritmos de aprendizaje automático y la inteligencia artificial generativa están disruptando los métodos convencionales en ciencias de la vida y acelerando los plazos en el descubrimiento de fármacos y el desarrollo de materiales.

El modelo de aprendizaje automático de DeepMind, AlphaFold, es probablemente el más renombrado en este dominio. Predice la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos y ha sido utilizado por más de un millón de investigadores en los 18 meses desde su lanzamiento público. Numerosas otras herramientas de inteligencia artificial han surgido desde entonces, incluyendo la recientemente lanzada RFDiffusion, que permite a los investigadores generar diseños computacionales de proteínas utilizando solo sus laptops.

Sin embargo, traducir estos diseños computacionales en proteínas tangibles y funcionales sigue siendo un desafío. Adaptyv Bio busca abordar este problema con su fábrica de proteínas de próxima generación. Al integrar robótica avanzada, microfluidos y técnicas de biología sintética, Adaptyv Bio está construyendo una plataforma de pilas para permitir que los ingenieros de proteínas validen sus diseños de proteínas generados por inteligencia artificial.

Julian Englert, CEO y cofundador de Adaptyv Bio, dijo: “Las proteínas son centrales en la biorevolución, ya sea como nuevos medicamentos, enzimas mejoradas para la investigación y aplicaciones industriales, o como materiales con propiedades únicas. Como diseñador de proteínas, ahora tienes acceso a increíbles herramientas de inteligencia artificial como AlphaFold o RFDiffusion. Sin embargo, validar tus diseños de proteínas en el laboratorio para ver si funcionan sigue siendo un gran desafío”.

Los modelos de inteligencia artificial prosperan con los datos para entrenar y mejorar sus predicciones. Al simplificar el proceso de generar datos sobre la eficacia de los diseños de proteínas, Adaptyv Bio permite que los ingenieros de proteínas y los modelos de inteligencia artificial reciban más retroalimentación sobre sus diseños, lo que los guía hacia proteínas con mejor rendimiento.

Englert agregó: “Piensa en la inteligencia artificial en un automóvil autónomo. Para mantener el automóvil en la carretera y llegar a su destino, el modelo de inteligencia artificial necesita un bucle de retroalimentación ajustado al obtener mucha información de alta calidad de los sensores de la cámara del automóvil. El mismo principio se aplica a un modelo de inteligencia artificial que diseña nuevas proteínas, con el mecanismo de retroalimentación que implica la creación real de proteínas en nuestro laboratorio y la prueba de su rendimiento”.

Adaptyv Bio fue establecida por un grupo de ingenieros de EPFL, el Instituto Federal Suizo de Tecnología en Lausana, motivados por los procesos laboriosos de realizar experimentos biológicos en laboratorios. En 2022, obtuvieron $2,5 millones en financiación de pre-semilla de Wingman Venture, después de participar en Y Combinator, el acelerador de startups más selectivo del mundo. El equipo ha crecido desde entonces a 12 ingenieros con antecedentes diversos en biología sintética, microingeniería, desarrollo de software y aprendizaje automático. La empresa tiene su sede en el recién construido Biopole campus de ciencias de la vida en Lausana, Suiza, donde están desarrollando su tecnología en instalaciones de laboratorio de vanguardia con vistas pintorescas del lago de Ginebra y los Alpes suizos-franceses.

La fábrica de Adaptyv Bio se centra en celdas de trabajo de ingeniería de proteínas: configuraciones personalizadas y automatizadas que miniaturizan procesos que normalmente requieren varias máquinas de laboratorio, realizándolos en paralelo en pequeñas placas microfluidas. Los usuarios pueden escribir protocolos experimentales (o hacer que la inteligencia artificial los escriba) y las celdas de trabajo ejecutan los experimentos de forma autónoma, mientras controlan y monitorean de cerca los parámetros de los experimentos. Todos los datos de medición se procesan automáticamente y se suben para permitir que los usuarios perfeccionen sus modelos de aprendizaje automático con cada experimento.

Englert dijo: “Nuestras celdas de trabajo están completamente automatizadas, utilizan 1.000 veces menos reactivos que cualquier alternativa comercial disponible y podemos ejecutar miles de proteínas diferentes por día en cada configuración individual. Para optimizar los flujos de trabajo experimentales, hemos desarrollado muchas técnicas de biología sintética y automatización personalizadas. En los próximos 12 meses, planeamos ampliar nuestro laboratorio y aumentar la cantidad de aplicaciones de diseño de proteínas que podemos admitir. También acabamos de abrir el acceso anticipado para que los usuarios envíen sus proyectos de diseño de proteínas y estamos tratando de incorporar nuevos proyectos lo antes posible”.

Para acelerar aún más el campo de la ingeniería de proteínas, Adaptyv Bio ha lanzado como código abierto dos de sus herramientas internas que ya han comenzado a ganar tracción entre investigadores e ingenieros en el campo. ProteinFlow es una biblioteca de Python que permite a los diseñadores de proteínas crear conjuntos de datos de alta calidad para mejores modelos de inteligencia artificial. Automancer es una plataforma de software extensible para ejecutar experimentos automatizados, lo que permite a los investigadores crear sus propios protocolos experimentales y integrar diferentes instrumentos de laboratorio.

“Nuestra misión es hacer que la ingeniería de proteínas sea más fácil y permitir que más investigadores diseñen nuevas proteínas. Considera las proteínas que componen la increíblemente poderosa maquinaria molecular dentro de cada célula de nuestro cuerpo. Imagina el tipo de progreso tecnológico que la humanidad podría lograr si pudiéramos empezar a diseñar proteínas novedosas para medicamentos personalizados, aplicaciones industriales como nuevas enzimas, o materiales más sostenibles”, agregó Julian Englert.