Científicos de la Universidad Estatal de Washington utilizaron inteligencia artificial y simulaciones moleculares para identificar una interacción crucial de aminoácidos en una proteína de fusión del virus del herpes requerida para la invasión celular. Cuando introdujeron una mutación en este sitio, el virus ya no pudo fusionarse con ni entrar en las células, según un estudio publicado en Nanoscale.
Investigadores de la Escuela de Ingeniería Mecánica y de Materiales y del Departamento de Microbiología y Patología Veterinaria de la Universidad Estatal de Washington colaboraron en un estudio dirigido a una proteína de fusión que los virus del herpes utilizan para entrar en las células. Esta proteína experimenta cambios de forma complejos para impulsar la infección, y la comprensión limitada de su dinámica ha dificultado el desarrollo de vacunas y fármacos.
Para investigar el problema, los profesores Jin Liu y Prashanta Dutta recurrieron a la inteligencia artificial y simulaciones moleculares detalladas para analizar miles de interacciones potenciales entre aminoácidos en la proteína de fusión, informa la Universidad Estatal de Washington. Construyeron un algoritmo para examinar estas interacciones y luego aplicaron aprendizaje automático para identificar aquellas más probables de ser esenciales para la entrada viral.
"Los virus son muy inteligentes. Todo el proceso de invasión de células es muy complejo, y hay muchas interacciones. No todas las interacciones son igual de importantes; la mayoría pueden ser solo ruido de fondo, pero hay algunas interacciones críticas", dijo Liu en el relato de la universidad sobre el trabajo.
Tras destacar una interacción clave de aminoácidos mediante simulaciones, el equipo pasó a experimentos de laboratorio dirigidos por Anthony Nicola en el Departamento de Microbiología y Patología Veterinaria. Al introducir una mutación dirigida en este aminoácido, descubrieron que el virus ya no podía fusionarse exitosamente con las células, bloqueando efectivamente al virus del herpes de entrar en las células por completo, según el resumen del estudio en ScienceDaily.
Liu dijo que el cribado computacional aceleró sustancialmente la investigación. Probar interacciones experimentalmente una por una habría tomado mucho más tiempo, señaló. "Era solo una interacción de miles de interacciones. Si no hubiéramos hecho la simulación y en su lugar hubiéramos hecho este trabajo por ensayo y error, podría haber tomado años encontrarla. La combinación de trabajo computacional teórico con los experimentos es tan eficiente y puede acelerar el descubrimiento de estas interacciones biológicas importantes", dijo.
Aunque el equipo confirmó la importancia de esta interacción específica para la fusión y entrada viral, advirtieron que quedan muchas preguntas sobre cómo la mutación altera la estructura tridimensional y los movimientos a gran escala de la proteína de fusión completa. Los investigadores planean continuar utilizando simulaciones y aprendizaje automático para explorar cómo los pequeños cambios moleculares se propagan a través de la proteína y para reducir otros sitios potencialmente vulnerables.
"Hay una brecha entre lo que ven los experimentalistas y lo que podemos ver en la simulación", dijo Liu. "El siguiente paso es cómo esta pequeña interacción afecta el cambio estructural a escalas mayores. Eso también es muy desafiante para nosotros."
El trabajo, realizado por Liu, Dutta, Nicola y los estudiantes de doctorado Ryan Odstrcil, Albina Makio y McKenna Hull, fue financiado por los Institutos Nacionales de Salud y se detalla en la revista Nanoscale bajo el título Modulación de interacciones específicas dentro de una proteína de fusión viral predicha a partir de aprendizaje automático bloquea la fusión de membranas.
Según la Universidad Estatal de Washington, este enfoque guiado por IA podría informar estrategias antivirales futuras al ayudar a los científicos a identificar y perturbar interruptores moleculares específicos en proteínas virales esenciales para la infección.
