Un equipo de investigación dirigido por Cornell ha demostrado cómo la computación cuántica y la inteligencia artificial pueden utilizarse para diseñar nuevos péptidos capaces de capturar microplásticos que suponen graves riesgos para los ecosistemas y la salud humana.
Los péptidos (cadenas de aminoácidos que pueden secuenciarse para funciones específicas) pueden destruir los microplásticos al unirse a sus superficies y facilitar las reacciones químicas que los descomponen. Sin embargo, no se conocen aglutinantes peptídicos para muchos plásticos y su creación es un desafío debido a la falta de datos sobre la adsorción de plásticos.
Un estudio publicado el 18 de diciembre en Science Advances detalla un método para integrar modelos de IA generativos entrenados para predecir propiedades de péptidos con técnicas de computación cuántica que optimizan estos diseños para plásticos específicos. Este enfoque permite una exploración rápida de una amplia gama de posibles secuencias de aminoácidos, lo que permite el descubrimiento de nuevos tipos de péptidos más rápidamente que el proceso iterativo de probar cada combinación individualmente.
“Los científicos no tienen realmente los conjuntos de datos necesarios para trabajar con péptidos que atacan a los microplásticos de la misma manera que lo hacen para algunas aplicaciones médicas, y ahí es donde entra en juego la tecnología cuántica”, dijo el autor principal Fengqi You , profesor de Ingeniería de Sistemas Energéticos de la cátedra Roxanne E. y Michael J. Zak. “Básicamente, vemos esto como un problema de IA, pero utilizamos la tecnología cuántica como un refuerzo. Puede evaluar muchas posibilidades de secuencias de aminoácidos simultáneamente y eso es diferente de lo que podemos hacer con la computación clásica”.
El marco híbrido cuántico-clásico desarrollado en el estudio dio como resultado el descubrimiento de péptidos con altas afinidades de unión al tereftalato de polietileno, también conocido como plástico PET, que mantenían una solubilidad en agua respetuosa con el medio ambiente. Los resultados se validaron luego mediante simulaciones de dinámica molecular, lo que confirmó el potencial para aplicaciones prácticas en sistemas de tratamiento de agua, biosensores de microplásticos y microbios diseñados para degradar plásticos.
“Este trabajo llega en un momento en el que el potencial transformador de la IA ha sido reconocido a nivel mundial para aplicaciones como la predicción de la estructura de las proteínas y otras aplicaciones biológicas y médicas”, afirmó You, quien también es codirector del Instituto de IA para la Ciencia de la Universidad de Cornell . “Este nuevo marco híbrido de computación cuántica-clásica extiende el impacto de la IA a la ciencia ambiental”.
Agregó que el marco está diseñado para funcionar dentro de las limitaciones actuales de la computación cuántica, aprovechando simulaciones en hardware clásico y al mismo tiempo permaneciendo adaptable a los avances en la tecnología cuántica a medida que madura.
El estudio fue una colaboración con Carol K. Hall ’67, profesora de ingeniería química y biomolecular en la Universidad Estatal de Carolina del Norte. Entre los primeros coautores se encuentran Raul Conchello Vendrell, un estudiante de posgrado visitante en el laboratorio de You de la ETH Zurich; el investigador postdoctoral Akshay Ajagekar, Ph.D. ’24; y Michael T. Bergman, un estudiante de doctorado de la Universidad Estatal de Carolina del Norte.
El equipo de investigación llevó a cabo una investigación complementaria, aplicando computación cuántica, inteligencia artificial y modelado biofísico para diseñar péptidos para otros plásticos comunes, como el polietileno y el polipropileno. Ese trabajo, publicado el 21 de enero en PNAS Nexus, tiene a Jeet Dhoriyani, MS ’24, como primer autor. El estudio optimizó las secuencias de aminoácidos para una unión fuerte y exploró la diversidad fisicoquímica, lo que permite que los péptidos funcionen en diferentes condiciones ambientales.
Dijo que los próximos esfuerzos se centrarán en sintetizar y probar los péptidos recién descubiertos en entornos de laboratorio y de campo. Además, los investigadores planean perfeccionar los marcos computacionales para abordar otros desafíos de sostenibilidad.
La investigación fue apoyada por la National Science Foundation y la Beca Postdoctoral Eric y Wendy Schmidt AI in Science, un programa de Schmidt Sciences. Cornell University. S. K. Traducido al español
Contacto