Una inteligencia artificial de Google predice la estructura de casi todas las proteínas conocidas y cambia la ciencia

Una inteligencia artificial de DeepMind, compañía de Google, ha predicho con éxito la estructura de 200 millones de proteínas, casi todas las conocidas por la ciencia. Estos datos, disponibles para cualquier persona de forma gratuita, son fundamentales para comprender la biología de todos los seres vivos del planeta y pueden empujar el desarrollo de nuevos medicamentos o tecnologías contra la contaminación plástica o la resistencia a los antibióticos.

Las proteínas son los componentes básicos de la vida. Formadas por cadenas de aminoácidos, doblar en formas completas, una estructura 3D que determina en gran medida su función. Conocer cómo plegarse una proteína permitió tratar de entender cómo funciona y cómo se comporta, lo que ha supuesto uno de los grandes retos de la biología desde hace más de un lustro.

El año pasado, DeepMind sorprendió a la comunidad científica al lanzar el código de AlphaFold. Las estructuras de un millón de proteínas, incluidas todas las proteínas del cuerpo humano, están disponibles en una base de datos construida junto con el Laboratorio Europeo de Biología Molecular (EMBL), un instituto de investigación internacional.

El hallazgo cambió para siempre la biología y la medicina. En cuestión de minutos y con gran precisión, los investigadores pudieron obtener información muy relevante, por ejemplo, sobre las proteínas involucradas en distintas enfermedades. El trabajo fue reconocido por la revista ‘Science’ como investigación científica más importante del año.

Inseguridad alimentaria y enfermedades

La nueva actualización con 200 millones de proteínas, un importante acelerón del molino inicial, incluye estructuras para plantas, bacterias, animales y muchos, muchos otros organismos, lo que abre enormes oportunidades para que AlphaFold tenga un impacto en cuestiones importantes como la sostenibilidad, el combustible, la inseguridad alimentaria y las enfermedades desatendidas”, dice el británico Demis Hassabis, fundador y CEO de DeepMind, una de las mayores empresas de investigación en inteligencia artificial del mundo. Premiado este año con el Princesa de Asturias de Investigación Científica y Tecnica, Hassabis, que fue un niño prodigio del ajedrez y diseñador de juegos de ordenador, cree que los científicos podrían usar los hallazgos para comprender más las fermedades y acelerar la innovación en el decubrimiento de fármacos y la biología.

Desde su lanzamiento en 2020, más de 500 000 investigadores de 190 países han accedido a AlphaFold para más de 2 millones de estructuras. Lo han utilizado, entre otras cosas, para conocer las proteínas que afectan la salud de las abejas y liberar una vacuna eficaz contra la malaria. En mayo, investigadores dirigidos por la Universidad de Oxford anunciaron que utilizaron este algoritmo para ayudar a determinar la estructura de una proteína clave del parásito de la malaria y verificaron que era probable que los anticoagulantes bloquearan la transmisión del parásito.

poros nucleares

Otro uso exitoso de AlphaFold permitió armar el complejo del poro nuclear, uno de los rompecabezas más diabólicos de la biología. La estructura consta de cientos de partes de proteínas y controla todo lo que entra y sale del núcleo celular. También se ha empleado para acercarse a fermedades como la leishmaniosis y la fermedad de Chagas, que sobresalga de manera desproporcionada a las personas en las partes más pobres del mundo, o la lepra y la esquistosomiasis, una fermedad aguda y crónica causada por gusanos parásitos, que arrasa la vida de más de mil millones de personas en todo el mundo.

La herramienta ahorrará mucho tiempo a los investigadores, es necesario predecir las estructuras de las proteínas es una ardua tarea. “AlphaFold es un avance singular y trascendental en las ciencias de la vida que demuestra el poder de la IA. Determinar la estructura 3D de una proteína solía llevar muchos meses o años, ahora lleva segundos”, señala Eric Topol, fundador y director del Instituto de Investigación Scripps. Hassabis lo comparó con algo tan sencillo como hacer búsquedas en Google.

Por Jesús Pérez Gil, catedrático de Biología y Bioquímica Molecular de la Universidad Complutense de Madrid, las predicciones de AlphaFold sugieren «un enorme cambio» en su capacidad de investigación. La fiabilidad de la inteligencia artificial «tiene espectacular hasta ahora, mucho mejor de lo que podría imaginarse. Es increíble que muchas de estas estructuras se parezcan tanto cuando se han visto experimentalmente», admitió. El investigador recuerda que se trata de simulaciones, y que todas ellas deben confirmarse con estudios experimentales. El siguiente paso consistiría no solo en conocer la estructura de las proteínas, sino en desentrañar cómo cambian cuando interactúan con otros o con otros elementos moleculares.

«Las proteínas son las que hacen la mayoría de las funciones en las células y tejidos. Conocer cómo se forman y cómo se comportan cuando interactúan entre sí o con otras moléculas nos permitirán elaborar dianas terapéuticas para fármacos, buscar aplicaciones biotecnológicas o industrial la industria alimentaria, los procesos industriales o la sostenibilidad ambiental”, indica Pérez Gil.