El Premio Nobel de Química de 2024 (LCMF, 09 oct 2024) a Hassabis y Jumper por AlphaFold de Google DeepMind nos hizo soñar con una revolución en el diseño de enzimas usando inteligencia artificial (IA). Por desgracia, hasta ahora, las proteínas diseñadas por IA son mucho menos eficaces que las proteínas naturales. El tercer galardonado, Baker, pionero en el diseño computacional de proteínas sin usar IA, publicó en 2008 en Nature el diseño de una enzima artificial de alta eficiencia, una eliminasa de Kemp; pero dicho logro tenía truco, la enzima diseñada tenía baja eficiencia y se usó la técnica de mutagénesis dirigida de Arnold, Premio Nobel de Química de 2018 (LCMF, 03 oct 2018), para lograr su alta eficiencia catalítica. Se echaba en falta el diseño computacional completo de dicha proteína, sin mutagénesis dirigida, que se publica ahora en 2025 en Nature, de nuevo sin usar inteligencia artificial. En 2008 se logró una eficiencia catalítica kcat/kM de hasta 2600 M⁻¹ s⁻¹, con una kcat/kuncat >106; la nueva eliminasa de Kemp alcanza una kcat/kM de 12700 M⁻¹s⁻¹ y una alta estabilidad térmica (mayor de 85 °C). Más allá de este hito concreto, lo más relevante del nuevo artículo es que se presenta una estrategia para el diseño computacional de enzimas de alta eficiencia que promete muchas nuevas enzimas de alta eficiencia, alta estabilidad térmica y sin necesidad de un gran esfuerzo experimental (más allá de su validación).
La eliminación de Kemp es el prototipo de reacción química que requiere una enzima artificial, pues no existe ninguna enzima natural que la catalice. Los diseños computacionales completos presentan una eficiencia catalítica muy baja (kcat/kM = 1–420 M⁻¹ s⁻¹), comparada con el valor típico para las enzimas naturales (kcat/kM = 10⁵ M⁻¹ s⁻¹), una tasa de reacción muy baja (kcat = 0.006–0.7 s⁻¹), también alejada de la observada en enzimas naturales (kcat = 10 s⁻¹), y otros problemas relacionados con la estabilidad de la proteína. La nueva estrategia de diseño se basa en software que no usan inteligencia artificial, pero algunos de ellos se pueden sustituir por sus alternativas usando inteligencia artificial. El diseño de enzimas artificiales para reacciones químicas que no tienen catalizadores naturales conocidos será el pan de cada día en un futuro no muy lejano. En mi opinión, la combinación de los dos enfoques galardonados con el Premio Nobel de Química de 2024, estrategias que usan software basadas en inteligencia artificial y no basados en ella, aparenta ser el camino más prometedor.
El artículo es Dina Listov, Eva Vos, …, Sarel J. Fleishman, «Complete computational design of high-efficiency Kemp elimination enzymes,» Nature (18 Jun 2025), doi: https://doi.org/10.1038/s41586-025-09136-2 («High-efficiency Kemp eliminases by complete computational design», BioRxiv preprint 631280 (04 Jan 2025), doi: https://doi.org/10.1101/2025.01.04.631280); más información divulgativa en Heidi Ledford, «‘Remarkable’ new enzymes built by algorithm with physics know-how,» Nature (18 Jun 2025), doi: https://doi.org/10.1038/d41586-025-01897-0; Iris Marchal, «Computationally designed enzymes show potent catalytic activity,» Nature Biotechnology 43: 1054 (15 Jul 2025), doi: https://doi.org/10.1038/s41587-025-02751-4. El diseño computacional original de Baker se publicó en Daniela Röthlisberger, Olga Khersonsky, …, David Baker, «Kemp elimination catalysts by computational enzyme design,» Nature 453: 190-195 (2008), doi: https://doi.org/10.1038/nature06879; más información divulgativa en Giovanna Ghirlanda, «Old enzymes, new tricks,» Nature 453: 165-166 (2008), doi: https://doi.org/10.1038/453164a.
Esta figura ilustra los seis pasos de la metodología de diseño usada. Se pretende diseñar una estructura de tipo globular compacta con forma más o menos esférica. Por ello se propone partir de una estructura de barril tipo TIM (TIM-barrel fold en inglés), semejante a la proteína TIM (triosafosfato isomerasa), que se caracteriza por un núcleo hidrofóbico denso para garantizar su estabilidad en medios acuosos; esta estructura está formada por ocho motivos β-α, formando un cilindro con las hebras β en el centro, que recuerda a un barril, y las hélices α en el exterior. El hueco del barril permite encapsular el sitio activo de la enzima. El primer paso (1) consiste en generar miles de esqueletos proteicos (backbones) con arquitectura tipo barril TIM, mediante un enfoque de ensamblaje modular combinatorio (combinatorial backbone, modular assembly). Para ello se combinan fragmentos bien conservados de enzimas naturales, en concreto, de enzimas IGPS (imidazol glicerol fosfato sintasas), que se combinan de forma computacional. La compatibilidad entre los segmentos se optimiza usando el software RoseTTA (que a diferencia de RoseTTAFold no usa inteligencia artificial). En el segundo paso (2) se estabilizan estos esqueletos proteicos usando mutaciones estabilizadoras seleccionadas con el software PROSS (Protein Repair One‑Stop Shop), que garantizan su termoestabilidad. Como alternativa a estos dos pasos se puede usar AlphaFold2 combinado con PROSS (pero en dicho caso se usaría inteligencia artificial).
En el tercer paso (3) se realiza un diseño geométrico del sitio catalítico (para la reacción de eliminación de Kemp), utilizando un modelo teórico idealizado del centro activo (llamado theozyme, contracción de theoretical enzyme). La teozima se acopla al esqueleto proteico mediante el algoritmo Rosetta Matcher, para garantizar una coincidencia geométrica (geometric matching) entre el bolsillo catalítico (catalytic site pocket) y los residuos que reproducen las interacciones químicas clave. Se generan entre cientos de miles y millones de variantes de cada esqueleto proteico, que se filtran usando una función objetivo implementada con lógica borrosa (fuzzy logic) que tiene en cuenta la densidad de energía, la calidad del empaquetamiento (energía de Van der Waals), la precisión geométrica de la teozima y otros factores asociados a la reacción química. El cuarto paso (4) consiste en la estabilización adicional del sitio activo y del núcleo proteico usando el software pSUFER y el algoritmo FuncLib.
En el quinto paso (5) se hace un cribado experimental de los diseños seleccionados computacionalmente. Se sintetizan los genes correspondientes que se insertan en bacterias E. coli, que expresan dichas proteínas recombinantes para la evaluación de su actividad catalítica mediante ensayos enzimáticos espectrofotométricos. El último y sexto paso (6) es una optimización final del sitio activo usando de nuevo FuncLib pero teniendo en cuenta los resultados del cribado experimental. El resultado final es un diseño computacional de novo de enzimas de alta eficiencia catalítica, gran estabilidad térmica y excelente velocidad de reacción.
Entre los diseños computacionales tras el paso (4) se seleccionaron 73 para las pruebas experimentales del paso (5). Estos diseños varían entre sí entre 245 y 268 aminoácidos, con una sintenia (identidad entre sus secuencias de aminoácidos) del 30 % al 93 % entre sí, y del 41 % al 59 % con proteínas naturales conocidas. Entre ellos se seleccionaron los dos mejores diseños para el paso (6), Des27 con kcat/kM = 130 M⁻¹ s⁻¹ y Des61 con kcat/kM = 210 M⁻¹ s⁻¹. Se estudiaron 6 variantes de Des61 y 12 variantes de Des27. El mejor diseño derivado de Des61 alcanzó kcat/kM = 3600 M⁻¹ s⁻¹, mientras el mejor derivado de Des27, llamado Des27.7, alcanzó kcat/kM = 12700 M⁻¹ s⁻¹1. El récord actual para una eliminasa de Kemp. Se han usado simulaciones MD (dinámica molecular) para evaluar cómo influyen las diferentes mutaciones en Des27.7 respecto a Des27. Resumiendo, estas mutaciones aumentan el empaquetamiento hidrofóbico alrededor del Asp162 catalítico, incrementando su reactividad; también se observa que la Leu236 de Des27 se solapa de forma parcial con el sustrato y que su mutación por Val236 en Des27.7 alivia esta interacción e incrementa el volumen del bolsillo catalítico desde 717 hasta 829 ų. Otras mutaciones como Ile54Val, Phe92His y Leu183Val también parecen ser claves para el récord. Más detalles técnicos sobre su efecto en la estabilidad térmica de la proteína en el artículo.
En resumen, más allá del récord obtenido, lo más relevante es que la nueva estrategia de diseño promete ser aplicable al diseño de otras enzimas. En los próximos años el diseño computacional completo de enzimas de novo se convertirá en una herramienta de uso habitual en bioquímica.