Un pseudonús és una manera que té l'ARN de plegar-se sobre si mateix en què un bucle de la cadena s'aparella amb una part llunyana de la mateixa molècula, trencant la regla que fan servir els programes convencionals de predicció d'estructura, que assumeixen que els aparellaments de bases mai es creuen entre si. Aquesta peculiaritat converteix tant predir com dissenyar pseudonusos en un problema molt més difícil que el disseny habitual d'ARN, i fins ara ha estat un dels grans esculls per fabricar des de zero molècules d'ARN amb una funció concreta, com un sensor o una teràpia.
Un equip internacional liderat des del Departament de Bioquímica de la Universitat de Stanford, amb la Universitat de Washington, l'Institut Mèdic Howard Hughes, la Universitat de Califòrnia a San Diego i la Universitat de Cambridge, entre altres centres, ha publicat a la revista Science els resultats del repte OpenKnot, organitzat a la plataforma de ciència ciutadana Eterna. Durant gairebé un any, mètodes generatius d'intel·ligència artificial —guiats per un model de base anomenat RNet, entrenat amb dades prèvies de mapatge químic— han competit contra els dissenyadors humans més experimentats d'Eterna per crear seqüències capaces de plegar-se en 57 formes de pseudonús diferents. Els resultats, verificats amb mapatge químic d'alta resolució, mutagènesi compensatòria i crioscòpia electrònica, mostren que els mètodes d'IA han resolt més del 95% dels reptes, igualant el rendiment dels dissenyadors humans.
Més enllà d'encertar l'estructura secundària prevista, les molècules dissenyades per IA s'han plegat en arquitectures tridimensionals ben ordenades, sostingudes per interaccions terciàries no canòniques que ningú havia demanat explícitament al model que construís, un indici que els sistemes generatius poden capturar regularitats físiques més enllà del que se'ls ha ensenyat directament. Els autors destaquen que aquest èxit s'ha aconseguit sense haver resolt primer el problema, molt més complex, de predir l'estructura tridimensional completa de l'ARN, cosa que obre una via pràctica per dissenyar teràpies, sensors o catalitzadors d'ARN des de zero sense esperar aquest avenç més ampli.
És un article revisat per parells i publicat en una de les revistes científiques de més prestigi, però el repte s'ha limitat a 57 dissenys d'un sol tipus d'estructura, els pseudonusos, i caldrà comprovar si el mètode es generalitza a altres famílies de plecs d'ARN igualment complexos. La comparació amb els dissenyadors humans es basa en els participants més experimentats del joc Eterna, no en un estàndard universal de disseny expert, i cap de les molècules generades s'ha convertit encara en una teràpia, un sensor o un catalitzador funcional fora del laboratori de validació.