Sergio Romero Romero

Intereses de Investigación

Laboratorio de Bioquímica, Evolución & Diseño de Proteínas (BED-Lab)

Nuestro grupo investiga distintos aspectos de unos de los efectores más importantes de la vida, las proteínas. Nuestro principal interés es estudiar y caracterizar -a nivel funcional, estructural y de estabilidad- las propiedades de diversas proteínas naturales, así como explorar el espacio de secuencia que está fuera de las fronteras de la evolución, esto es, el espacio accesible para diseñar nuevas proteínas y enzimas con topologías, propiedades y funciones novedosas.

Para esto, combinamos aproximaciones computacionales de vanguardia (métodos físicos clásicos, docking molecular, modelado estructural de proteínas, bioinformática a distintos niveles estructurales, modelos de lenguaje, redes neuronales profundas y otras estrategias basadas en Inteligencia Artificial) con metodologías experimentales (biología molecular, expresión y purificación de proteínas, evolución dirigida, técnicas biofísicas, métodos espectroscópicos, biología estructural —cristalografía de proteínas por rayos X, resonancia magnética nuclear, dispersión de rayos X de ángulo pequeño—, ensayos funcionales in vitro e in vivo, entre otras). Con este conocimiento nos interesa saber cómo las proteínas han evolucionado en su nivel actual de complejidad estructural y funcional, así como aplicar la información acumulada en diversas áreas de estudio para el diseño e ingeniería de nuevas macromoléculas y sus ligandos.

En el BED-Lab desarrollamos un ciclo iterativo de Diseño-Selección-Prueba-Aprendizaje que permite explorar y cartografiar sistemáticamente regiones inéditas del espacio de secuencia de proteínas. Utilizamos modelos generativos y otros enfoques computacionales como herramientas para generar hipótesis, mientras que la validación experimental sirve como mecanismo esencial para probar, refinar y ampliar nuestro conocimiento. Cada proteína diseñada no es simplemente un producto final, sino un experimento que revela nuevos principios que rigen la relación entre secuencia, estructura y función. Visualizamos un futuro en el que el diseño de proteínas evolucione desde una disciplina basada principalmente en la exploración empírica hacia una ciencia predictiva, capaz de navegar racionalmente el espacio de secuencias proteicas para crear biomoléculas con propiedades y funciones previamente inexistentes. En última instancia, nuestro objetivo no es solo diseñar proteínas, sino contribuir a descubrir los principios fundamentales que rigen la forma en que las secuencias proteicas codifican la estructura y la función biológicas.

______________________________________________________________

Protein Biochemistry, Evolution & Design Lab (BED-Lab)

Our group investigates different aspects of one of the most important effectors of life, proteins. Our main interest is to study and characterize -at functional, structural, and stability levels- the properties of several natural proteins, as well as to explore the sequence space that lies outside the evolutionary frontiers, that is, the space accessible to design new proteins and enzymes with novel topologies, properties, and functions.

For this, we combine state-of-the-art computational approaches (classical physical methods, molecular docking, protein structure modeling, bioinformatics at different structural levels, language models, deep neural networks, and other AI-based strategies) with experimental methodologies (molecular biology, protein expression and purification, directed evolution, biophysical techniques, spectroscopic methods, structural biology —X-ray protein crystallography, nuclear magnetic resonance, small-angle X-ray scattering—, in vitro and in vivo functional assays, among others). With this knowledge, we are interested in learning how proteins have evolved to their current structural and functional complexity level, as well as applying the information accumulated in different areas to design and engineer new macromolecules and their ligands.

At the BED-Lab, we develop an iterative Design–Selection–Test–Learn cycle to systematically explore and map previously uncharted regions of protein sequence space. We use generative models and other computational approaches as tools to generate hypotheses, while experimental validation serves as the essential mechanism to test, refine, and expand our understanding. Every designed protein is not merely an end product, but an experiment that reveals new principles governing the relationship between sequence, structure, and function. We envision a future in which protein design evolves from a discipline driven primarily by empirical exploration into a predictive science, capable of rationally navigating protein sequence space to create biomolecules with tailor-made properties and entirely new functions. Ultimately, our goal is not only to design proteins but to contribute to uncovering the fundamental principles that govern how protein sequences encode biological structure and function.

Trayectoria Profesional

Investigador Titular A

Posdoctorados y Estancias

Universität Bayreuth (Humboldt-Bayer Research Fellow), Alemania, (2019-2022)
Universität Bayreuth (Group Leader), Alemania, (2022-2024)
Universidad Nacional Autónoma de México (Postdoctorado CONACYT), México, (2018)

Formación Académica

Licenciatura en Biomedicina, Benemérita Universidad Autónoma de Puebla, Centro de Investigaciones en Ciencias Microbiológicas, Puebla, México (2005-2010)

Maestría en Ciencias Bioquímicas, Universidad Nacional Autónoma de México, Facultad de Medicina, Ciudad de México, México (2011-2013)

Doctorado en Ciencias Bioquímicas, Universidad Nacional Autónoma de México, Facultad de Medicina, Ciudad de México, México (2013-2017)

Premios y Distinciones

Humboldt Research Fellow, Alexander von Humboldt-Stiftung, (2020-2022)
Bayer Reseach Fellow, Bayer Science & Education Foundation, (2020-2022)
Beca de Investigación y Producción en Artes y Medios, CENART/CONACULTA, (2014)

Ligas de Interés

Google Scholar
LinkedIn
ORCID
ResearchGate

Líneas de Investigación

Research Alumni: Agradecemos a nuestros exintegrantes por sus contribuciones y les deseamos mucho éxito en sus futuros proyectos / We thank our alumni for their contributions and wish them success in their future endeavors. Estudiantes de Maestría | Master's Students Paul Jacobs. Master's in Biochemistry and Molecular Biology. University of Bayreuth. 2026 Estudiantes de Licenciatura | Undergraduate Students Andrea Ramón García. Lic. en Ing. en Biotecnología. Universidad Autónoma del Estado de Hidalgo. 2026 Prestadores de Servicio Social | Social Service Students Diego Muñoz Beltran. Arkansas State University Campus Querétaro (Ago—Dec 2025) Luis Pedro Rubén Camargo Sánchez. Universidad Autónoma Metropolitana (Nov 2024—May 2025) Estancias de Investigación | Research Interns Yael Alejandro Velázquez Villatoro. Programa Jóvenes hacia la investigación, UNAM (Jun—Jul 2026) Jesús Manuel López Meza. Universidad Nacional Autónoma de México (Abr—Jul 2026) Diego Muñoz Beltran. Arkansas State University Campus Querétaro (Ene—Jun 2026) Javier Alejandro Flores Miranda. Universidad Autónoma de Baja California (Ene— Feb 2026) Luz Mariana González Vega. Arkansas State University Campus Querétaro (Ago 2025—May 2026) Javier Alejandro Flores Miranda. Universidad Autónoma de Baja California (Jul—Ago 2025) Emilio Mejía Galán Solorio. Universidad Autónoma de Querétaro (Jun—Jul 2025) Megan Leilany Urbina García. Programa Jóvenes hacia la investigación, UNAM (Jun—Jul 2025) Luis Rodrigo Manzano Viera. Universidad Nacional Autónoma de México (Feb—Abr 2025) Enoch Guevara Benítez. Universidad Autónoma de Baja California (Ene—Feb 2025) Mentoría previa | Previous Mentorship (Höcker Lab, University of Bayreuth) Max Paulfranz. Bachelor's thesis in Biochemistry. 2024 Timo Kossendey. Master's thesis in Biochemistry and Molecular Biology. 2024 Alexander E. Braun. Master's thesis in Biochemistry and Molecular Biology. 2023 Paul Jacobs. Bachelor's thesis in Biochemistry. 2023 Johanna-Sophie Koch. Master's thesis in Biochemistry and Molecular Biology. 2023 Alexander E. Braun. Bachelor's thesis in Biochemistry. 2021 Johanna-Sophie Koch. Bachelor's thesis in Biochemistry. 2020

Diseño de enzimas con modelos generativos de lenguaje / Enzyme design with generative language models: Aplicamos modelos generativos de lenguaje para diseñar enzimas novedosas, explorando secuencias funcionales más allá del espacio natural. / We apply generative language models to design novel enzymes, exploring functional sequences beyond the natural space.

Diseño de enzimas funcionales de novo / Design of de novo functional enzymes: Creamos enzimas artificiales usando andamios de proteínas de novo para catalizar nuevas reacciones químicas, expandiendo las capacidades de la biocatálisis. / We create artificial enzymes using de novo protein scaffolds to catalyze new chemical reactions, expanding the capabilities of biocatalysis.

Diseño de miniproteínas para neutralización de toxinas y contaminantes emergentes / Design of miniproteins for the neutralization of toxins and emerging contaminants: Exploramos el diseño racional y asistido por inteligencia artificial de miniproteínas capaces de reconocer, secuestrar o neutralizar toxinas, contaminantes emergentes y otras moléculas de interés, con aplicaciones potenciales en salud, biotecnología y remediación ambiental. / We develop rationally and AI-designed miniproteins capable of recognizing, sequestering, or neutralizing toxins, emerging contaminants, and other target molecules, with potential applications in health, biotechnology, and environmental remediation.

Diseño de proteínas redox solubles para transferencia de electrones y generación de biosensores / Design of soluble redox proteins for electron transfer and biosensor generation: Diseñamos proteínas de novo solubles con actividad redox para facilitar la transferencia de electrones en sistemas sin membrana y desarrollar biosensores sensibles y específicos. / We design soluble de novo proteins with redox activity to facilitate electron transfer in membrane-free systems and develop sensitive and specific biosensors.

Evolución de proteínas para diseño de nuevas funciones / Protein evolution for the design of new functions: Investigamos cómo la evolución ha generado la diversidad y complejidad de las proteínas, utilizando este conocimiento para diseñar proteínas innovadoras con nuevas funciones y propiedades, aplicables en biotecnología y medicina. / We investigate how evolution has generated the diversity and complexity of proteins, using this knowledge to design innovative proteins with new functions and properties, applicable in biotechnology and medicine.

Ingeniería de DNA polimerasas para mayor procesividad / Engineering DNA polymerases for increased processivity: Tratamos de mejorar la procesividad de polimerasas de ADN mediante diseño racional y guiado por evolución, integrando principios estructurales y funcionales para aplicaciones biotecnológicas. / We try to improve the processivity of DNA polymerases through rational design and evolution-guided design, integrating structural and functional principles for biotechnological applications. (En colaboración con Armenta-Jaime Lab. UAEH, Hidalgo, Mex. / In collaboration with Armenta-Jaime Lab. UAEH, Hidalgo, Mex).

Navegación del espacio de secuencia mediante el diseño de proteínas / Navigating sequence space by protein design: Exploramos el vasto espacio de secuencias más allá de las proteínas naturales mediante técnicas avanzadas de diseño (IA y basado en principios físicos), creando nuevas proteínas con funciones y propiedades específicas que no existen en la naturaleza. / We explore the vast sequence space beyond natural proteins using advanced design techniques (AI and physics-based), creating new proteins with specific functions and properties that do not exist in nature.

Optimización de solubilidad proteica con redes neuronales y evolución dirigida / Protein solubility optimization with neural networks and directed evolution: Combinamos redes neuronales profundas y evolución dirigida para mejorar la solubilidad de proteínas diseñadas, integrando predicciones computacionales con validación experimental. / We combine deep neural networks and directed evolution to improve the solubility of designed proteins by integrating computational predictions with experimental validation.

Plataformas de expresión y caracterización de proteínas de alto rendimiento / High-throughput protein expression and characterization platforms: Desarrollamos y optimizamos plataformas experimentales de expresión, purificación y caracterización de proteínas que permiten evaluar de manera rápida y sistemática grandes bibliotecas de variantes diseñadas, acelerando el ciclo diseño–construcción–prueba–aprendizaje. / We develop and optimize experimental platforms for protein expression, purification, and characterization that enable the rapid and systematic evaluation of large libraries of designed variants, accelerating the design–build–test–learn cycle.

Plegamiento y estabilidad de proteínas / Protein folding and stability: Investigamos el plegamiento y la estabilidad de proteínas naturales y de novo diseñadas, para comprender su comportamiento bajo diversas condiciones y explorar los principios fundamentales que vinculan secuencia, estructura, estabilidad y función. / We investigate the folding and stability of natural and de novo designed proteins to understand their behavior under various conditions and explore the fundamental principles linking sequence, structure, stability and function.

Producción interna de proteínas comerciales / In-house production of commercial proteins: Desarrollamos procesos de purificación y optimización rentables para la producción de proteínas comerciales, mejorando su disponibilidad para aplicaciones de laboratorio. / We develop cost-effective purification and optimization processes for the production of commercial proteins, improving their availability for laboratory applications.

Integrantes del Laboratorio

Francisco Javier de la Mora Bravo

Estudiantes