La IA DeepMind ha descubierto la estructura de casi todas las proteínas conocidas por la ciencia
El grupo de inteligencia artificial DeepMind ha desentrañado las estructuras de casi todas las proteínas conocidas por la ciencia.
Los investigadores lograron la hazaña utilizando el programa AlphaFold, que DeepMind desarrolló por primera vez en 2018 y lanzó públicamente en julio de 2021. El programa de código abierto puede predecir la estructura 3D de una proteína a partir de su secuencia de aminoácidos, los componentes básicos que forman las proteínas. La estructura de una proteína dicta sus funciones, por lo que la base de datos de 200 millones de estructuras de proteínas identificadas por AlphaFold tiene el potencial de ayudar a identificar nuevos caballos de batalla de proteínas que los seres humanos pueden utilizar.
Por ejemplo, la base de datos puede incluir proteínas que pueden ayudar a reciclar plásticos, según The Guardian (se abre en una nueva pestaña).
Meta acaba de predecir la estructura de 600 millones de proteínas .
¿Luis Suárez ha cambiado el fútbol por la medicina? ¿Por qué se ha vestido de doctor?
"Nos ha llevado mucho tiempo revisar esta enorme base de datos de estructuras, pero nos ha abierto todo un abanico de nuevas formas tridimensionales que nunca habíamos visto antes y que podrían descomponer los plásticos", declaró a The Guardian John McGeehan, profesor de biología estructural de la Universidad de Portsmouth (Reino Unido). "Hay un cambio de paradigma completo. Podemos acelerar realmente hacia dónde vamos, y eso nos ayuda a dirigir estos preciosos recursos a las cosas que importan."
Inmersión en las proteínas
Las proteínas son como pequeños e inescrutables rompecabezas. Las producen organismos que van desde las bacterias hasta las plantas y los animales, y cuando se fabrican se pliegan en milisegundos, pero sus estructuras son tan complejas que intentar adivinar qué forma adoptarán es casi imposible. Cyrus Levinthal, biólogo molecular estadounidense, señaló la paradoja de que las proteínas se plieguen con tanta rapidez y precisión a pesar de tener un enorme número de configuraciones posibles en un artículo de 1969 (se abre en una nueva pestaña), en el que estimaba que una proteína determinada podría tener 10^300 formas finales posibles...
Por lo tanto, escribió Levinthal, si se intentara llegar a la forma correcta de la proteína probando cada configuración una por una, se tardaría más tiempo del que el universo ha existido hasta ahora en llegar a la respuesta correcta.
Los científicos tienen formas de visualizar las proteínas y analizar sus estructuras, pero es un trabajo lento y difícil. La forma más común de visualizar las proteínas es mediante la cristalografía de rayos X, según la revista Nature (abre en una nueva pestaña), que consiste en emitir rayos X a cristales sólidos de proteínas y medir cómo se difractan esos rayos para determinar cómo está dispuesta la proteína. Este trabajo experimental ha establecido la forma de unas 190.000 proteínas, según DeepMind (se abre en una nueva pestaña).
El año pasado, DeepMind publicó predicciones de la forma de las proteínas para cada proteína del cuerpo humano y en 20 especies de investigación, según informó previamente Live Science. Ahora, han ampliado esas predicciones a las proteínas de básicamente todo.
"Esta actualización incluye estructuras predichas para plantas, bacterias, animales y otros organismos, lo que abre muchas nuevas oportunidades para que los investigadores utilicen AlphaFold para avanzar en su trabajo sobre temas importantes, como la sostenibilidad, la inseguridad alimentaria y las enfermedades desatendidas", señalan los representantes de DeepMind en un comunicado (se abre en una nueva pestaña).
Hacer que las proteínas funcionen
AlphaFold funciona acumulando conocimientos sobre las secuencias de aminoácidos y las interacciones mientras intenta interpretar las estructuras de las proteínas. El algoritmo puede predecir las formas de las proteínas en cuestión de minutos con una precisión que llega hasta el nivel de los átomos.
Los investigadores ya están utilizando los frutos del trabajo de AlphaFold. Según The Guardian, el programa ha permitido a los investigadores caracterizar por fin una proteína clave del parásito de la malaria (se abre en una nueva pestaña) que no había podido someterse a la cristalografía de rayos X. Esto, según explicaron los investigadores a The Guardian, podría mejorar el desarrollo de vacunas contra la enfermedad.
En la Universidad Noruega de Ciencias de la Vida, el investigador de abejas Vilde Leipart utilizó AlphaFold para revelar la estructura de la vitelogenina, una proteína reproductiva e inmunitaria que fabrican todos los animales que ponen huevos. El descubrimiento podría conducir a nuevas formas de proteger de las enfermedades a importantes animales que ponen huevos, como las abejas melíferas y los peces, escribió Leipart en una entrada del blog de DeepMind (se abre en una nueva pestaña).
El programa también está informando la búsqueda de nuevos productos farmacéuticos, dijo Rosana Kapeller, CEO de ROME Therapeutics, en el comunicado de DeepMind.
"La velocidad y la precisión de AlphaFold están acelerando el proceso de descubrimiento de fármacos", dijo Kapeller,
"y sólo estamos al principio de darnos cuenta de su impacto a la hora de hacer llegar más rápidamente los nuevos medicamentos a los pacientes".
