Study shows that Artificial Intelligence can decipher the function of unknown proteins

Este trabajo de colaboración entre dos centros CABD e IBE permite identificar genes y explorar las proteínas que puedan ser de interés biomédico y biotecnológico, entre otras vías de investigación

Un estudio del Centro Andaluz de Biología del Desarrollo (CABD-CSIC-UPO-JA) junto al Instituto de Biología Evolutiva (IBE: CSIC-UPF) en Barcelona ha empleado técnicas avanzadas de inteligencia artificial para el análisis de proteínas. Gracias al uso de esta metodología, el equipo investigador ha conseguido demostrar que se puede identificar y describir lo que hacen las proteínas en detalle, incluso sin información previa. Este trabajo permite la aplicación masiva de estos métodos para entender las proteínas en organismos menos estudiados, identificar nuevas funciones de genes y explorar qué proteínas pueden ser de interés biomédico y biotecnológico con mucha más precisión que los métodos tradicionales.

En la naturaleza la información contenida en el ADN se transforma en proteínas, que son las que actúan en las células. En este proyecto, liderado por los investigadores del CABD, Ildefonso Cases y Ana M. Rojas junto a Rosa Fernández, del IBE, se han empleado dos métodos basados en el aprendizaje profundo (deep learning) para analizar proteínas en varios organismos modelo, como la levadura, el ratón o la mosca de la fruta. La exploración mostró que los modelos de lenguaje (Transformers) son más efectivos que las redes convolucionales, proporcionando información más precisa e informativa sobre las proteínas de las especies estudiadas. Además, los modelos de lenguaje pueden recuperar información funcional a partir de datos de ARN (el ARN es una molécula que lleva las instrucciones del ADN para fabricar proteínas en las células).

Ana Rojas, Patricia Medina and Ildefonso Cases, some of the authors of the work.

“We are at a critical moment due to the huge number of sequencing projects of unknown organisms that produce millions of sequences, of which we cannot predict their function using traditional methods,” explains Ana Rojas (CABD). This work opens up new avenues of research related to greater precision in protein function analysis and classification models.

This new study, published in the journal ‘Nuc Acids Red Genomics and Bioinformatics’, lays the groundwork for the use of artificial intelligence in other applications. “These deep learning tools will make it possible to tackle new problems in computational biology. We are working on applying these techniques to other targets, such as on-demand promoters, single-cell cluster annotation, or protein engineering.”

For her part, IBE researcher Rosa Fernández emphasizes that this research is fundamental in the field of biodiversity, where every day new protein sequences are published whose function is unknown, making it possible to address the problem of Dark Proteome annotation. “To do this we are using these tools on thousands of transcriptomes from the animal kingdom, work that is under review. The more information we have on the functions of new sequences, the faster we will decipher the molecular mechanisms of biological processes that occur in the field of biodiversity and regeneration with potential biotechnological (food industry) and biomedical (pharmaceutical industry) applications,” concludes the researcher.

Israel Barrios-Núñez, Gemma I Martínez-Redondo, Patricia Medina-Burgos, Ildefonso Cases, Rosa Fernández, Ana M Rojas, Decoding functional proteome information in model organisms using protein language models, NAR Genomics and Bioinformatics, Volume 6, Issue 3, September 2024, lqae078,
https://doi.org/10.1093/nargab/lqae078

This press release was made in collaboration with “Comunicación del CSICAndalucía y Extremadura”