Hasta ahora, hay al menos 200 millones de proteínas conocidas. Saber cuál es la estructura química de las proteínas por métodos convencionales puede tomar 60 años o más. Ahora, con la IA de Google, se puede determinar su estructura en 3D en cuestión de segundos.
En un impresionante avance científico, la inteligencia artificial de Google logró predecir la estructura de gran parte de las proteínas conocidas. Esto implica una evolución en la biología molecular y todo un nuevo universo para la ciencia.
¿Qué involucra este logro?
Este logro involucra a 200 millones de moléculas. Las mismas que son fundamentales para comprender mejor la biología de los seres vivos. Además de los mecanismos de enfermedades devastadoras como el Alzheimer y el Parkinson.
Este avance ha sido posible gracias a AlphaFold, un sistema de redes neuronales desarrollado por DeepMind, la empresa de inteligencia artificial que Google adquirió en 2014.
AlphaFold ha logrado uno de los mayores desafíos de la biología moderna. ¿Cuál es? Pues predecir la forma tridimensional de las proteínas a partir de su secuencia genética en 2D. De acuerdo con Demis Hassabis –fundador de DeepMind y principal creador de AlphaFold–, este trabajo es un comienzo para una nueva era de biología digital.
¿Cuál es la estructura de las proteínas?
Hassabis –un prodigio del ajedrez y los videojuegos–, fundó DeepMind en 2010 con el objetivo de crear una inteligencia artificial capaz de aprender como los humanos. Desde entonces, su IA ha logrado hazañas destacables como derrotar a los campeones mundiales de Go con AlphaGo en 2017. Ahora –con AlphaFold–, Hassabis y su equipo han dado un salto gigantesco en la biología molecular.
Comprender la estructura química de las proteínas a escala tridimensional es crucial para entender su función biológica. Hasta la llegada de AlphaFold, determinar la forma de una sola proteína podía llevar años de trabajo con técnicas como la microscopía electrónica y el uso de aceleradores de partículas.
En cambio, AlphaFold –que está disponible de forma libre y gratuita– puede predecir la estructura de cualquier proteína en cuestión de segundos, lo que representa un ahorro de tiempo y recursos.
La IA ahora es apodada “Google para la vida” porque además de proporcionar la secuencia en dos dimensiones de las proteínas, también arroja un modelo tridimensional que indica la fiabilidad de la predicción. ¿El margen de error? Comparable o incluso menor que los métodos convencionales.
¿Para qué sirve conocer la estructura y función de las proteínas?
Las aplicaciones de esta tecnología son prometedoras. Por ejemplo, el equipo de Matt Higgins en la Universidad de Oxford está utilizando AlphaFold para desarrollar un anticuerpo que podría neutralizar una proteína clave en la reproducción del patógeno de la malaria. Este avance podría llevar a la creación de la primera vacuna altamente efectiva contra esta enfermedad.
Otro logro notable ha sido la obtención de la estructura más detallada hasta la fecha de los poros nucleares –complejos de proteínas que regulan el acceso al núcleo de las células humanas–. Estos poros están relacionados con numerosas enfermedades como el cáncer y las enfermedades cardiovasculares.
Sin embargo, AlphaFold no es perfecto. Según Alfonso Valencia –director de ciencias de la vida en el Centro Nacional de Supercomputación–, la inteligencia artificial aún tiene limitaciones. Algunas de ellas son la incapacidad para predecir la estructura general de las proteínas raras o las consecuencias de ciertas mutaciones.
No obstante, el código abierto de AlphaFold permite a otros científicos mejorar y adaptar la tecnología, lo que podría llevar a avances aún mayores en el futuro y desarrollo de nuevos medicamentos.
La comunidad científica ya está empezando a aprovechar las posibilidades que ofrece AlphaFold. Carlos Fernández, del CSIC, ha utilizado la herramienta para comprender la estructura de un complejo de proteínas esencial para la propagación del tripanosoma, el parásito que causa la enfermedad del sueño en África subsahariana. Estos avances –conjuntamente con la IA– podrían llevar a tratamientos más efectivos contra esta y otras enfermedades.
