Pesquisadores desenvolveram uma nova ferramenta de inteligência artificial chamada LassoESM, projetada especificamente para prever as características de peptídeos laço, com potencial para impulsionar o desenvolvimento de novos fármacos. O estudo, realizado pela equipe do Instituto Carl R. Woese de Biologia Genômica, foi publicado na revista Nature Communications.

O modelo de linguagem específico para peptídeos laço, LassoESM, foi desenvolvido da seguinte forma:
A. A biossíntese de peptídeos laço requer peptidases de sinal, elementos de reconhecimento RiPP (RRE) e enzimas de laço, que conectam o peptídeo central linear em uma estrutura de nó em laço.
B. O LassoESM foi construído com base na arquitetura ESM-2 e passou por pré-treinamento adicional em peptídeos laço utilizando métodos de adaptação de domínio e modelo de linguagem mascarado. Os embeddings gerados pelo LassoESM são utilizados em três tarefas: previsão da tolerância de substrato das enzimas de laço, identificação da compatibilidade entre enzimas de laço não homólogas e peptídeos substratos, e previsão da atividade inibitória da RNAP (valores numéricos indicam enriquecimento para estimar a atividade inibitória).

Peptídeos laço são moléculas naturais produzidas por bactérias, cuja estrutura única em nó deslizante confere alta estabilidade. Doug Mitchell, diretor do Instituto de Química Biológica da Universidade Vanderbilt, afirmou: "Peptídeos laço têm grande potencial em desenvolvimento de fármacos. Ao criar um modelo de linguagem dedicado, desenvolvemos uma ferramenta capaz de explorar essas possibilidades de forma mais eficiente."

Embora plataformas de inteligência artificial para previsão de proteínas sejam amplamente aplicadas na biomedicina, elas ainda apresentam limitações diante da estrutura única dos peptídeos laço. O co-líder do projeto, professor Diwakar Shukla, da Universidade de Illinois em Urbana-Champaign, explicou: "Devido à estrutura distinta dos peptídeos laço, os programas de IA atuais têm dificuldade em realizar previsões precisas."

A equipe integrou métodos de aprendizado de máquina com dados experimentais para construir um modelo de previsão dedicado aos peptídeos laço. Xuenan Mi, um dos principais participantes do estudo, afirmou: "O LassoESM captura características específicas de peptídeos que frequentemente são ignoradas por modelos gerais de proteínas." O time utilizou a técnica de modelo de linguagem mascarado, treinando o algoritmo com dezenas de milhares de sequências de peptídeos laço para identificar padrões.

O modelo LassoESM já foi aplicado com sucesso na previsão de pares entre peptídeos laço e enzimas de laço, o que é relevante para expandir suas aplicações clínicas. Shukla acrescentou: "Com as previsões do modelo, esperamos converter diversos peptídeos em estruturas de laço." Este estudo fornece uma ferramenta de inteligência artificial para o design racional de peptídeos laço funcionais e deverá ser expandido para o desenvolvimento de modelos de outros peptídeos naturais.