IA y computación cuántica identifican moléculas capaces de destruir microplásticos
Orientado a determinar cuáles moléculas podrían destruir los microplásticos, un proyecto investigativo combinó modelos generativos de Inteligencia Artificial y computación cuántica; para identificar los péptidos más eficientes en la tarea de capturar y descomponer estos contaminantes. El estudio fue publicado en Science Advances y liderado por Fengqi You, de la Universidad de Cornell, Estados Unidos.
Los péptidos son cadenas de aminoácidos con funciones específicas y secuenciales, que pueden destruir los microplásticos al unirse a su superficie y facilitar las reacciones químicas que los descomponen. No obstante, actualmente la ciencia carece de péptidos específicos para combatir contra los plásticos, y su creación supone un reto debido a la falta de datos moleculares.
La investigación presenta los resultados de un método que combina modelos generativos de IA, entrenados para predecir las propiedades de los péptidos, con computación cuántica, que mejora sus diseños para plásticos específicos. Esta técnica permite explorar rápidamente una amplia variedad de secuencias de aminoácidos; y acelerar el descubrimiento de nuevos péptidos en comparación con el proceso tradicional de prueba y error.
“Los científicos no disponen de los conjuntos de datos necesarios para trabajar con péptidos dirigidos a microplásticos, del mismo modo que lo hacen para algunas aplicaciones médicas, y ahí es donde entra en juego la cuántica”, explicó You. Estos hallazgos confirmaron “el potencial de los péptidos en futuras aplicaciones en sistemas de tratamiento de aguas, biosensores de microplásticos y microbios artificiales diseñados para degradar plásticos”, señala la institución.
Unión de la IA y la cuántica
“En esencia, abordamos el descubrimiento de péptidos adecuados para limpiar microplásticos como un problema de IA, pero utilizamos la cuántica como un refuerzo. Esta tecnología puede evaluar simultáneamente una gran cantidad de posibles secuencias de aminoácidos, algo que no es viable con la computación clásica”, afirmó You.
Según comentó el autor principal, “la computación cuántica explora de manera eficiente el vasto espacio combinatorio de las secuencias peptídicas, mientras que la IA orienta esta búsqueda al identificar regiones prometedoras a partir de las relaciones aprendidas entre la estructura del péptido y su afinidad de unión. Al combinar ambas tecnologías, es posible descubrir con mayor rapidez péptidos optimizados para la captura de microplásticos”.
El planteamiento híbrido cuántico-clásico desarrollado en este estudio permitió descubrir péptidos con gran afinidad de unión al tereftalato de polietileno, también conocido como plástico PET, que además conservaban una solubilidad en agua compatible con el medio ambiente, señaló la institución en un comunicado.
“Esta afinidad se debe a la presencia de residuos voluminosos e hidrófobos, como el triptófano y la fenilalanina, que establecen fuertes interacciones de van der Waals [fuerzas de atracción entre moléculas sin enlaces químicos, que pueden estabilizar la unión al plástico]. Estas uniones contrarrestan el efecto desfavorable de la solvatación, lo que refuerza la unión del péptido al plástico”, detalló You.
Fuente: SINC
VTV/DC/CP
