Investigadores, en su mayoría del laboratorio del premio Nobel David Baker, de la Universidad de Washington, desarrollaron proteínas enzimáticas diseñadas mediante inteligencia artificial capaces de cortar enlaces peptídicos en otras proteínas. El trabajo se basa en herramientas como RFdiffusion2 y ProteinMPNN, y demostró que estos modelos pueden construir estructuras que colocan aminoácidos catalíticos cerca de una secuencia objetivo, incluso cuando el diseño no es similar a proteínas conocidas en las bases de datos.
Los enlaces peptídicos poseen una gran estabilidad química; su descomposición espontánea en agua puede tardar cientos de años. Los organismos vivos utilizan enzimas proteasas para acelerar este proceso. Los investigadores se centraron en dos mecanismos: una proteasa dependiente del zinc y una proteasa dependiente del aminoácido cisteína. En ambos casos, el desafío consistía en disponer con precisión un pequeño número de aminoácidos dentro de un centro catalítico capaz de atacar el enlace objetivo.
¿Cómo se construyeron las enzimas diseñadas?
El equipo partió de dos estructuras conocidas: una proteasa de zinc del aparato digestivo de la langosta y una proteasa de cisteína de la levadura. RFdiffusion2 se utilizó para crear el armazón de la proteína, imponiendo restricciones que garantizaran el acercamiento de los aminoácidos catalíticos entre sí y a la secuencia que se pretendía cortar. Después, ProteinMPNN rellenó el armazón con aminoácidos compatibles con el plegamiento estructural, el sitio catalítico y la interacción con el objetivo.
Los investigadores diseñaron 12 armazones y 69 conjuntos de aminoácidos para el proyecto de la proteasa de cisteína, mientras que en el proyecto de la proteasa de zinc probaron 135 diseños. Utilizaron AlphaFold3 para predecir las estructuras de varios diseños y no encontraron en las bases de datos proteínas suficientemente similares como para indicar que las herramientas simplemente habían reutilizado estructuras conocidas.
Actividad medible, con una brecha frente a las enzimas naturales
El equipo probó los diseños dentro de una proteína larga que reunía la proteasa, la secuencia objetivo y una proteína fluorescente, de modo que el corte revelara el éxito de la reacción. Tuvieron éxito 13 diseños de la proteasa de cisteína, es decir, el 19% de las pruebas, pero su actividad fue muy inferior a la de la enzima de levadura de referencia.
En los diseños de la proteasa de zinc que no incluían como restricción explícita la molécula de agua necesaria para la reacción, 14 de 89 mostraron una actividad catalítica débil. El análisis de los diseños fallidos indicó que, en ocasiones, una molécula de agua ocupaba la posición que la reacción necesitaba. Al incluir la posición del agua en el diseño, el éxito aumentó a 35 de 38 diseños, aunque en la mayoría de los casos la actividad siguió estando por debajo del nivel de la enzima natural.
Los investigadores mejoraron algunos diseños intercambiando aminoácidos cercanos al sitio activo, pero que no participaban directamente en la catálisis. La mejor modificación en uno de los proyectos aceleró 109 veces el corte del enlace peptídico, manteniendo una alta especificidad por la secuencia objetivo. Asimismo, la segunda versión de la proteasa de zinc fue 30 veces más activa que el diseño original y aceleró la reacción 1010 veces.
¿Qué significa esto para las aplicaciones médicas?
En un experimento final, los investigadores diseñaron proteasas de zinc dirigidas contra proteínas asociadas con el Alzheimer y la demencia frontotemporal, y una de ellas logró cortar el objetivo previsto dentro de las células. Sin embargo, modificar un diseño existente para dirigirlo contra una nueva secuencia no funcionó bien, lo que llevó al equipo a repetir el proceso de diseño desde el principio.
Los resultados muestran el potencial de utilizar esta metodología para dirigirse contra proteínas anómalas asociadas con algunas enfermedades, pero no representan un tratamiento listo para su uso. La administración de las proteínas en el lugar adecuado es difícil y puede provocar una respuesta inmunitaria. Si el objetivo se encuentra dentro de la célula, podría ser necesario administrar a las células pertinentes el gen que codifica la proteasa, lo que supone un desafío adicional.
Limitaciones del diseño mediante inteligencia artificial
Los experimentos muestran que las herramientas de diseño actuales son buenas para cumplir restricciones geométricas y estructurales: plegar la proteína con la forma deseada, acercar los aminoácidos catalíticos y unirse a una secuencia específica. Sin embargo, por sí solas no garantizan los detalles precisos necesarios para una elevada actividad enzimática. Algunos diseños eran aproximadamente correctos desde el punto de vista estructural, pero reaccionaban débilmente; después, pequeñas mutaciones mejoraron considerablemente su actividad.
La conclusión más importante es que el diseño de proteínas mediante inteligencia artificial ha superado la etapa de proponer estructuras teóricas y ha llegado a producir enzimas que actúan realmente sobre objetivos específicos, pero la brecha entre estructura, actividad y administración dentro del organismo sigue limitando la transición hacia las aplicaciones terapéuticas. Los resultados se publicaron en la revista Nature con los identificadores digitales 10.1038/s41586-026-11143-w y 10.1038/s41586-026-11167-2.