El Fin del Conocimiento - Bóveda 5/95 - CVPR - 2024 - Diseño de Nuevas Funciones de Proteínas Usando Aprendizaje Profundo

graph LR classDef main fill:#f9d4d4, font-weight:bold, font-size:14px classDef design fill:#d4f9d4, font-weight:bold, font-size:14px classDef models fill:#d4d4f9, font-weight:bold, font-size:14px classDef applications fill:#f9f9d4, font-weight:bold, font-size:14px classDef properties fill:#f9d4f9, font-weight:bold, font-size:14px classDef techniques fill:#d4f9f9, font-weight:bold, font-size:14px Main["Diseño de Nuevas
Funciones de Proteínas Usando
Aprendizaje Profundo"] Main --> Design["Diseño de Proteínas"] Main --> Models["Modelos de IA"] Main --> Applications["Aplicaciones"] Main --> Properties["Propiedades de Proteínas"] Main --> Techniques["Técnicas de Diseño"] Design --> A["Creación de proteínas novedosas
computacionalmente usando aprendizaje profundo 1"] Design --> B["Diseño de proteínas con
múltiples estados conformacionales 22"] Design --> C["Nuevos catalizadores para
varias aplicaciones 17"] Design --> D["Proteínas plantillas para el crecimiento
de materiales inorgánicos 12"] Design --> E["Proteínas funcionalizan nanotubos de carbono 13"] Design --> F["Diseño de ARN con
estructuras y funciones específicas 16"] Models --> G["Modelo de aprendizaje profundo
predice estructuras de proteínas 2"] Models --> H["Modelo de difusión genera
estructuras y secuencias de proteínas 3"] Models --> I["Red neuronal diseña
secuencias de aminoácidos 4"] Models --> J["Modelos de difusión crean
uniones de pequeñas moléculas 15"] Models --> K["Exploración del espacio latente
para difusión de proteínas 29"] Applications --> L["Proteínas diseñadas apuntan
a varias condiciones médicas 5"] Applications --> M["Proteínas neutralizan toxinas de
veneno de serpiente 6"] Applications --> N["Anticuerpos sintéticos imitan
componentes del sistema inmune 7"] Applications --> O["Proteínas cilíndricas funcionan
como canales moleculares 8"] Applications --> P["Proteínas se unen a secuencias
específicas de ADN 9"] Applications --> Q["Proteínas autoensamblables para
liberación de medicamentos 10"] Properties --> R["Proteínas de novo
exhiben alta estabilidad 20"] Properties --> S["Mejor estabilidad reduce
la necesidad de almacenamiento en frío 23"] Properties --> T["Bloques de construcción flexibles
crean ensamblajes más grandes 11"] Techniques --> U["Técnica especifica geometría del
sitio catalítico 18"] Techniques --> V["Proteínas imitan fotosistemas
para captación de luz 19"] Techniques --> W["Aplicación de visión por computadora
al diseño de proteínas 24"] Techniques --> X["Consideración simultánea de secuencias y
coordenadas 3D 27"] Techniques --> Y["Aplicación de modelos de difusión
a estructuras 3D 28"] Techniques --> Z["Aplicación de aprendizaje por refuerzo
al diseño de proteínas 30"] Applications --> AA["Redes de proteínas calculan
dentro de células 14"] Applications --> AB["Vacunas basadas en proteínas protegen
contra múltiples cepas de virus 21"] Techniques --> AC["Datos generados computacionalmente
amplían bases de datos de estructuras 25"] Applications --> AD["Proteínas interactivas realizan
cálculos celulares 26"] class Main main class Design,A,B,C,D,E,F design class Models,G,H,I,J,K models class Applications,L,M,N,O,P,Q,AA,AB,AD applications class Properties,R,S,T properties class Techniques,U,V,W,X,Y,Z,AC techniques

Resumen:

1.- Diseño de proteínas de novo: Creación de nuevas proteínas desde cero usando métodos computacionales, especialmente técnicas de aprendizaje profundo.

2.- RosettaFold: Un modelo de aprendizaje profundo desarrollado para predecir estructuras de proteínas a partir de secuencias de aminoácidos.

3.- Difusión RF: Un modelo de difusión para generar nuevas estructuras y secuencias de proteínas.

4.- MPNN de proteínas: Una red neuronal de paso de mensajes para diseñar secuencias de aminoácidos que se pliegan en estructuras específicas.

5.- Aplicaciones médicas: Uso de proteínas diseñadas para atacar enfermedades como trastornos autoinmunes, cáncer y condiciones neurodegenerativas.

6.- Antídoto para veneno de serpiente: Diseño de proteínas que se unen y neutralizan toxinas de veneno de serpiente.

7.- Diseño de anticuerpos: Creación de anticuerpos sintéticos para uso terapéutico, imitando componentes naturales del sistema inmune.

8.- Canales de proteínas: Diseño de proteínas cilíndricas que pueden funcionar como canales iónicos o sensores moleculares.

9.- Proteínas que se unen al ADN: Creación de proteínas que reconocen y se unen a secuencias específicas de ADN para aplicaciones potenciales de edición de genes.

10.- Diseño de nanopartículas: Desarrollo de estructuras de proteínas autoensamblables para plataformas de vacunas y liberación de medicamentos.

11.- Cuasi-simetría: Un método para crear ensamblajes de proteínas más grandes al introducir flexibilidad en los bloques de construcción.

12.- Mineralización: Diseño de proteínas que pueden servir como plantillas para el crecimiento de materiales inorgánicos como óxido de zinc.

13.- Unión a nanotubos de carbono: Creación de proteínas que pueden envolver y funcionalizar nanotubos de carbono.

14.- Computación basada en proteínas: Diseño de redes de proteínas que pueden realizar cálculos simples dentro de las células.

15.- Unión de pequeñas moléculas: Uso de modelos de difusión para crear proteínas que se unan a moléculas pequeñas específicas.

16.- Diseño de ARN: Aplicación de modelos de difusión para diseñar moléculas de ARN con estructuras y funciones específicas.

17.- Diseño de enzimas: Creación de nuevos catalizadores para varias aplicaciones, incluyendo degradación de plástico y química verde.

18.- Guía: Una técnica para especificar la geometría del sitio catalítico durante el proceso de diseño de proteínas.

19.- Fotosíntesis artificial: Diseño de proteínas que imitan fotosistemas naturales para captación de luz y transferencia de electrones.

20.- Estabilidad de proteínas: Las proteínas diseñadas de novo a menudo exhiben alta estabilidad térmica en comparación con las proteínas naturales.

21.- Vacunas universales: Desarrollo de vacunas basadas en proteínas que podrían proteger contra múltiples cepas o familias de virus.

22.- Dinámica de proteínas: Diseño de proteínas con múltiples estados conformacionales o movimientos continuos para funciones específicas.

23.- Estabilidad en estantería: Las proteínas diseñadas de novo a menudo tienen una estabilidad mejorada, lo que podría reducir la necesidad de almacenamiento en cadena de frío.

24.- Visión por computadora en biología: Aplicación de técnicas de visión por computadora y procesamiento de imágenes al diseño y análisis de proteínas.

25.- Datos de entrenamiento sintéticos: Exploración del uso de datos generados computacionalmente para ampliar las bases de datos experimentales de estructuras de proteínas.

26.- Programación de proteínas: Creación de redes de proteínas interactivas para realizar cálculos o tomar decisiones dentro de las células.

27.- Representación multimodal de proteínas: Consideración tanto de secuencias de aminoácidos como de coordenadas 3D en modelos de difusión de proteínas.

28.- Difusión de estructuras: Aplicación de modelos de difusión directamente a estructuras 3D de proteínas en lugar de secuencias.

29.- Difusión latente: Exploración de representaciones del espacio latente para la difusión simultánea de secuencia y estructura de proteínas.

30.- Aprendizaje por refuerzo: Aplicación de técnicas como DPO (Optimización de Preferencia Directa) a tareas de diseño de proteínas.

Bóveda del Conocimiento construida por David Vivancos 2024