Un equipo de investigación ha logrado avances significativos en la creación de enzimas utilizando inteligencia artificial generativa. Mediante modelos de lenguaje de proteínas, han ampliado la diversidad natural de estas biomoléculas, esenciales en biotecnología y medicina. Esta innovación no solo incrementa la variedad de enzimas, sino que también mejora su estabilidad y efectividad en células humanas.
Metagenomi, una empresa puntera en terapias con enzimas de edición genética CRISPR, lidera este desarrollo. Utilizan una extensa base de datos de enzimas naturales para identificar y entrenar modelos que generen variantes de enzimas. Estas son filtradas mediante flujos de trabajo avanzados, facilitando campañas de ingeniería de proteínas.
Recientemente, Metagenomi publicó un artículo donde comparte métodos para reducir costos en la generación de proteínas. Usando el modelo Progen2 en instancias AWS Inferentia, han logrado disminuir los costos de generación de variantes hasta un 56% en comparación con tecnologías basadas en GPU. Este avance, en colaboración con Tennex y AWS Neuron, permite una producción a gran escala esencial para diversificar enzimas de alto valor.
La infraestructura de Amazon, particularmente las instancias EC2 Inf2 y el servicio AWS Batch, ha sido clave. Permite la ejecución eficiente de numerosos trabajos computacionales, optimizando tiempo y costos, una consideración vital en biotecnología.
Además, las pruebas realizadas demostraron que las modificaciones efectuadas no perjudican la precisión de los modelos. Generaron miles de secuencias, estableciendo que las instancias Spot de EC2 Inf2 son mucho más económicas.
Metagenomi, con acceso a bases de datos amplias de metagenómica, ha adaptado su modelo para maximizar eficiencia y efectividad. Este emprendimiento no solo avanza en el diseño de proteínas, sino que también marca un hito en la reducción de costos en la biotecnología, abriendo nuevas posibilidades en sectores como la farmacéutica y la agricultura. Esto podría transformar industrias al permitir la generación de proteínas de alto valor de manera eficiente y económica.
