Un nuevo software desarrollado por científicos argentinos utiliza inteligencia artificial para predecir la agregación de proteínas asociadas a enfermedades neurodegenerativas. La herramienta, gratuita y más precisa que los sistemas actuales, promete impacto directo en salud pública y en el desarrollo de terapias.
La inteligencia artificial sigue expandiendo su alcance más allá del mundo empresarial y tecnológico para convertirse en una aliada clave de la investigación biomédica. En ese contexto, un grupo internacional de científicos liderado por especialistas del CONICET, la Fundación Instituto Leloir (FIL) y el Instituto Tecnológico de Buenos Aires (ITBA) desarrolló AggrescanAI, un software basado en IA diseñado para mejorar el estudio de enfermedades neurodegenerativas como el Alzheimer, el Parkinson y la esclerosis lateral amiotrófica (ELA).
La herramienta apunta a resolver uno de los grandes desafíos de la medicina moderna: comprender y anticipar el plegamiento incorrecto de las proteínas y la formación de agregados tóxicos en el cerebro, un proceso ampliamente asociado al desarrollo de estas patologías. A través de técnicas de aprendizaje profundo, AggrescanAI logra predecir las llamadas “Regiones Propensas a la Agregación” con mayor eficacia que los métodos informáticos que hoy son estándar en la disciplina.
“AggrescanAI es una herramienta de aprendizaje profundo que utiliza inteligencia artificial para predecir estas regiones que motorizan la agregación de las proteínas”, explicó Cristina Marino-Buslje, investigadora del CONICET en la Fundación Instituto Leloir, jefa del Laboratorio de Bioinformática Estructural de la FIL y coautora del trabajo. El estudio fue publicado en el Journal of Molecular Biology y contó con la colaboración del grupo liderado por Salvador Ventura, de la Universidad Autónoma de Barcelona. El primer autor del artículo es Álvaro Navarro, doctorando bajo la dirección de Marino-Buslje.
IA que “lee” proteínas como un lenguaje
Uno de los principales avances de AggrescanAI es conceptual. A diferencia de las herramientas tradicionales, que analizan a las proteínas como simples cadenas de aminoácidos, el nuevo software introduce una mirada contextual. “Nuestro software ‘lee’ la proteína de la misma manera que un humano una oración: entiende que el significado —o comportamiento— de una parte de la proteína cambia según lo que ocurre alrededor”, detalló Marino-Buslje.
Para lograrlo, el equipo utilizó ProtT5, un modelo de lenguaje de proteínas (pLM) ampliamente reconocido en el ámbito científico por su capacidad para predecir funciones biológicas. Estos modelos funcionan de manera análoga a los grandes modelos de lenguaje utilizados en IA generativa: aprenden el “idioma” de las proteínas a partir de enormes volúmenes de datos.
Según explicó la investigadora, los pLM transforman cada aminoácido en representaciones numéricas conocidas como “embeddings”, que capturan tanto su función como su contexto dentro de la proteína. “En nuestro caso, los embeddings nos permiten prever la región que produce la agregación”, aseguró.
Este enfoque permite a la IA inferir propiedades biológicas complejas sin necesidad de conocer la estructura tridimensional de la proteína, un proceso que suele requerir equipamiento costoso y largos tiempos de análisis.
Impacto económico y en salud pública
Los desarrolladores de AggrescanAI consideran que el software puede tener un impacto directo tanto en el plano económico como en el sanitario. Al reducir costos y acelerar etapas clave de la investigación, la herramienta podría facilitar el desarrollo de nuevos diagnósticos y terapias para enfermedades que hoy no tienen cura y afectan a millones de personas en todo el mundo.
“Al predecir la agregación basándose únicamente en la secuencia de la proteína, no se necesitan imágenes 3D costosas y lentas para saber si ésta es peligrosa”, señaló Marino-Buslje. Y agregó: “Enfermedades como el Alzheimer, el Parkinson y la ELA son causadas por proteínas que se acumulan en el cerebro. AggrescanAI permite a quienes investigan esas patologías probar virtualmente qué proteínas tienen esta tendencia”.
Este enfoque computacional abre la puerta a analizar miles de moléculas en forma virtual, un primer paso crucial para identificar cuáles podrían prevenir de manera más efectiva la formación de agregados tóxicos. Además, el software es capaz de predecir mutaciones genéticas peligrosas, con alta probabilidad de inducir agregación proteica, lo que podría ayudar a los médicos a establecer diagnósticos más rápidos y diseñar terapias personalizadas.
Ciencia abierta y acceso gratuito
Otro aspecto destacado del proyecto es su enfoque de acceso abierto. AggrescanAI está disponible de forma gratuita a través de una Google Colab notebook, lo que permite que investigadores de todo el mundo puedan utilizar la herramienta sin necesidad de infraestructura computacional propia.
Para acceder, basta con ingresar al repositorio del proyecto, cargar la secuencia de la proteína a analizar y ejecutar el modelo. En pocos pasos, el sistema devuelve un resultado que indica si existen regiones con tendencia a la agregación.
La iniciativa refuerza el rol del CONICET, la Fundación Instituto Leloir y el ITBA como actores relevantes en la intersección entre ciencia, tecnología e inteligencia artificial, y demuestra cómo desarrollos locales pueden competir y superar estándares internacionales en áreas críticas para la salud global.
