Un equipo de investigadores ha utilizado inteligencia artificial (IA) para identificar 70 500 virus de ARN previamente desconocidos para la ciencia. Este descubrimiento es el resultado del uso de metagenómica, una técnica que permite analizar todos los genomas presentes en un entorno sin la necesidad de cultivar individualmente los virus. La IA, en este caso, muestra su capacidad para explorar la “materia oscura” del universo de los virus de ARN.
Los virus son microorganismos ubicuos que infectan animales, plantas e incluso bacterias, pero solo una pequeña fracción ha sido identificada. Se puede considerar que hay un «pozo sin fondo» de virus por descubrir, y algunos de ellos podrían causar enfermedades humanas. Identificarlos podría ayudar a explicar enfermedades misteriosas.
Estudios previos habían utilizado aprendizaje automático para encontrar nuevos virus en secuencias genéticas, pero el estudio más reciente, publicado en la revista Cell, da un paso más al integrar la predicción de estructuras proteicas con un modelo de IA llamado ESMFold, desarrollado por Meta. Usando este modelo, los investigadores lograron predecir proteínas clave en virus de ARN, como la polimerasa dependiente de ARN (RdRp), que es fundamental en la replicación viral.
El equipo de Babaian ya había identificado 132 000 nuevos virus de ARN en 2022. Sin embargo, debido a la rápida evolución de los virus de ARN, muchos virus siguen siendo difíciles de detectar con los métodos tradicionales, que a menudo no reconocen secuencias muy diferentes de las conocidas.
En este nuevo estudio, los científicos desarrollaron un modelo llamado LucaProt, basado en la arquitectura «transformer», que utilizó datos de predicción de proteínas para encontrar secuencias virales previamente no reconocidas. El método identificó alrededor de 160 000 virus de ARN, muchos de ellos presentes en ambientes extremos como aguas termales y lagos salados.
Aunque el estudio revela una gran biodiversidad de virus, no pudieron determinar los huéspedes de estos nuevos virus. Caracterizar estos virus es fundamental para comprender su evolución y sus roles en distintos ambientes.
Referencia
Hou, X. et al. Cell https://doi.org/10.1016/j.cell.2024.09.027 (2024).
