En InsAIght, estamos construyendo una plataforma de IA de vanguardia diseñada para transformar la manera en que se optimizan y desarrollan las proteínas para diversas aplicaciones. Nuestra plataforma está compuesta por dos componentes principales: StructureGPT y un conjunto de modelos que llamamos XSeq. Estas herramientas combinadas ofrecen potentes capacidades que simplifican el diseño de proteínas, tanto para la eficiencia en la producción como para desarrollo innovador. Cómo funciona nuestra plataforma La base de nuestra plataforma es StructureGPT, un transformer generativo preentrenado diseñado para resolver la compleja tarea de traducir la estructura de una proteína a su correspondiente secuencia de aminoácidos. Sus dos capacidades clave—generatividad e inpainting—nos permiten ofrecer una amplia gama de soluciones prácticas: • Generatividad: Nos permite crear variantes de una proteína dada con propiedades mejoradas (por ejemplo, estabilidad o solubilidad) sin alterar su función principal. • Inpainting: Nos habilita para reparar información estructural faltante o rediseñar secciones de una proteína para lograr funciones completamente nuevas, crucial para aplicaciones más innovadoras. Complementando a StructureGPT está nuestro sistema XSeq, que predice diversas propiedades de las secuencias de proteínas generadas. Los modelos XSeq abarcan desde sistemas de aprendizaje profundo hasta algoritmos de IA más tradicionales, garantizando predicciones robustas y precisas. Por ejemplo, nuestro modelo ThermoSeq predice la estabilidad térmica (∆Tm) de una proteína basándose en su secuencia de aminoácidos, ayudándonos a filtrar secuencias y centrarnos en las más prometedoras para pruebas experimentales. Aplicaciones de nuestra plataforma de IA Nuestra plataforma es versátil y aborda diferentes necesidades dentro de la industria biofarmacéutica: Optimización de proteínas para producción y fabricación: Usando la generatividad de StructureGPT, mejoramos propiedades como estabilidad, solubilidad, tendencia a la agregación y expresabilidad. Este servicio está diseñado para CDMOs y empresas biofarmacéuticas que buscan optimizar procesos de producción y reducir costos. Desarrollo de proteínas innovadoras y patentables: Combinando generatividad e inpainting, diseñamos proteínas completamente nuevas con potencial para ser patentadas. Este servicio es ideal para equipos de I+D farmacéuticos y centros de investigación que desean superar los límites de la biotecnología con terapias novedosas. Además de estas aplicaciones principales, nuestra plataforma tiene el potencial de abordar problemas mucho más complejos, como por ejemplo: Usando inpainting, podemos diseñar proteínas completamente desde cero para extender el metabolismo de microorganismos, permitiéndoles producir biocombustibles como hidrógeno o hidrocarburos de forma sostenible. También podemos modificar receptores de células T para mejorar su capacidad de reconocer y atacar células cancerosas, o desarrollar biosensores capaces de detectar contaminantes en fuentes de agua. Aún nos encontramos en la fase experimental, pero nuestra tecnología abre la puerta a emocionantes posibilidades en biotecnología, terapias y procesos industriales.

La aplicación de la inteligencia artificial al diseño de proteínas ha evolucionado rápidamente, dando lugar a varias categorías de herramientas con enfoques y capacidades diversos. En InsAIght, hemos desarrollado una plataforma de IA única que integra generación de secuencias y predicción de propiedades, ofreciendo una solución integral tanto para la optimización de la producción como para el desarrollo de proteínas innovadoras. A continuación, comparamos nuestra plataforma con las principales categorías de herramientas impulsadas por IA disponibles hoy en día. 1. Modelos de predicción de estructuras Muchas herramientas de IA se centran en predecir estructuras de proteínas a partir de secuencias de aminoácidos. Modelos como AlphaFold han revolucionado nuestra capacidad para entender cómo una secuencia se pliega en su estructura tridimensional funcional, impulsando significativamente el conocimiento en biología de proteínas. Aunque la predicción de estructuras es fundamental, nuestra plataforma ofrece la capacidad inversa: traducir estructuras de proteínas en secuencias. Esto es especialmente valioso para tareas de ingeniería y optimización de proteínas, ya que nos permite diseñar secuencias que logren resultados estructurales y funcionales específicos. Además, nuestra plataforma va más allá de la predicción, incorporando modelos que garantizan que las proteínas diseñadas cumplan con los requisitos de producción y funcionalidad. 2. Modelos de generación de secuencias Los modelos basados en transformers para la generación de secuencias de proteínas han ganado atención en los últimos años. Estas herramientas generan secuencias novedosas aprendiendo de datos existentes y se utilizan para explorar nuevas funcionalidades o crear variantes con propiedades mejoradas. Sin embargo, a menudo carecen de la integración necesaria para aplicaciones industriales. Nuestra plataforma, que incluye el modelo StructureGPT, se distingue al integrar la generación de secuencias con la predicción de propiedades y la validación experimental. Este enfoque integral asegura que las secuencias generadas sean no solo novedosas, sino también prácticas para aplicaciones reales. Además, nuestra funcionalidad de inpainting permite un diseño de proteínas más dirigido, rellenando vacíos o rediseñando secciones específicas de proteínas, lo que añade flexibilidad para tareas innovadoras. 3. Herramientas de predicción de propiedades Existen numerosas herramientas de IA diseñadas para predecir propiedades específicas de proteínas, como afinidad de unión, estabilidad o solubilidad. Estas herramientas son esenciales para comprender el comportamiento de una proteína en un sistema biológico y guiar esfuerzos de ingeniería. Sin embargo, muchas están altamente especializadas, enfocándose en una sola propiedad a la vez. La plataforma de InsAIght se diferencia por su enfoque holístico en la predicción de propiedades. Nuestros modelos XSeq predicen múltiples propiedades de manera simultánea, permitiendo la optimización de estabilidad, solubilidad, agregación, expresabilidad y más. Esta optimización de múltiples propiedades es crucial para aplicaciones industriales donde equilibrar varios factores es clave para una producción exitosa. 4. Plataformas integradas para aplicaciones industriales Existen pocas plataformas de IA que integren generación de secuencias, predicción de propiedades y validación en un flujo de trabajo único diseñado para el uso industrial. La mayoría de las plataformas están orientadas a la investigación o abordan solo un aspecto del proceso de diseño de proteínas. La plataforma de InsAIght destaca como una solución integral de extremo a extremo, que abarca generación de secuencias, predicción de propiedades y validación experimental. Esta integración asegura que las proteínas diseñadas estén listas para producción industrial a gran escala o para innovaciones terapéuticas, ahorrando tiempo y reduciendo costos para nuestros clientes. Al gestionar todo el flujo de trabajo, garantizamos que las proteínas que entregamos cumplan con los criterios funcionales y de producción. La ventaja competitiva de InsAIght Lo que realmente diferencia nuestra plataforma es su versatilidad y enfoque en aplicaciones prácticas. Mientras que muchas herramientas de diseño de proteínas con IA son innovadoras, a menudo están dirigidas más hacia la investigación académica que a las necesidades industriales. En InsAIght, hemos construido nuestra plataforma específicamente para las industrias biofarmacéutica y biotecnológica, ofreciendo soluciones que optimizan proteínas para producción y fabricación, o crean proteínas altamente innovadoras y patentables. Nuestra capacidad de combinar generación de secuencias, inpainting, predicción de propiedades y validación experimental nos da una ventaja competitiva para entregar proteínas que no solo están bien diseñadas, sino que también están listas para ser implementadas en procesos industriales.

En InsAIght, nuestro modelo StructureGPT combina IA generativa de vanguardia con análisis de estructuras proteicas, ofreciendo dos capacidades clave: generatividad e inpainting. Estas capacidades nos permiten abordar desafíos en el diseño de proteínas y abrir una amplia gama de aplicaciones en biofarmacéutica, biotecnología industrial y más. Generatividad: Creación de variantes con propiedades a medida La generatividad se refiere a la capacidad de StructureGPT para generar secuencias de proteínas novedosas que mantienen la estructura general de la proteína original mientras introducen variaciones a nivel de secuencia. Esto nos permite crear variantes con propiedades mejoradas, como mayor estabilidad, solubilidad o menor agregación, sin alterar la función central de la proteína. Algunos ámbitos de aplicación son: Biotecnología industrial: Generamos variantes de enzimas usadas en procesos químicos, haciéndolas más estables en condiciones extremas como altas temperaturas o solventes no acuosos, lo que mejora la eficiencia y reduce costos de producción. Industria farmacéutica: Creamos variantes de proteínas terapéuticas que retienen su actividad biológica, pero con mejor solubilidad o menor inmunogenicidad, mejorando las formulaciones para los pacientes. Inpainting: Reconstrucción de Proteínas y Diseño desde Cero El inpainting es una capacidad avanzada que permite a StructureGPT «rellenar» o reparar partes faltantes de una estructura proteica, generando una nueva secuencia que restaura las regiones ausentes mientras mantiene la coherencia estructural. Esta funcionalidad es crucial para tareas innovadoras donde partes de la proteína deben rediseñarse o generarse desde cero. Algunos ejemplos: Biocatálisis: Rediseñamos sitios activos en enzimas para permitir nuevas rutas de reacción o mejorar la especificidad del sustrato, revolucionando la producción de biocombustibles como biohidrógeno o hidrocarburos. Biotecnología médica: Diseñamos proteínas terapéuticas completamente nuevas, como receptores de células T en inmunoterapia adaptativa, para mejorar el reconocimiento y ataque a células cancerosas. Aplicaciones ambientales: Diseñamos biosensores capaces de detectar compuestos tóxicos en agua, rediseñando sitios de unión para reconocer contaminantes y emitir señales específicas. Cómo destaca StructureGPT En el panorama creciente del diseño de proteínas con IA, varios modelos se centran en tareas específicas como generar secuencias, predecir estructuras u optimizar propiedades. Sin embargo, StructureGPT combina lo mejor de los modelos utilizados en procesamiento de lenguaje natural (NLP) y visión por computadora, haciéndolo excepcionalmente versátil. Generación basada en estructura: A diferencia de herramientas que solo generan secuencias, StructureGPT integra diseño basado en estructura, permitiendo modificar proteínas existentes o generar nuevas secuencias desde información estructural. Funcionalidades avanzadas: Su capacidad para reconstruir regiones faltantes (inpainting) o generar variantes (generatividad) lo convierte en una herramienta integral para la ingeniería de proteínas. Integración con XSeq: El sistema XSeq complementa a StructureGPT, prediciendo múltiples propiedades como estabilidad, solubilidad o resistencia térmica, asegurando que las proteínas generadas sean tanto novedosas como prácticas. Superando limitaciones actuales y Mmirando al futuro Aunque StructureGPT demuestra capacidades notables, su funcionalidad de inpainting es más efectiva en cambios estructurales localizados. Los rediseños o eliminaciones a gran escala siguen siendo un desafío, y nuestro desarrollo se centra en mejorar este aspecto. Además, con más modelos XSeq en desarrollo, anticipamos predicciones de propiedades aún más precisas y diseños proteicos mejorados. A medida que refinemos y ampliemos la plataforma, las aplicaciones potenciales de StructureGPT seguirán creciendo, desde mejorar la eficiencia de enzimas industriales hasta diseñar terapias de próxima generación. El futuro del diseño de proteínas con IA promete ser revolucionario, con StructureGPT como un pilar central.