Durante décadas, los científicos han tratado de entender la estructura de las proteínas, y hoy, gracias a un desarrollo de inteligencia artificial llamado AlphaFold, es posible hacerlo con un alto nivel de precisión.
La compañía DeepMind, comprada por Google hace algunos años, ha entrenado un sistema de aprendizaje automático para que sea capaz de predecir la estructura de las proteínas. Te explicamos qué implicará esto.
El gran desafío de desentrañar el proteoma humano
La ciencia ha logrado descifrar muchas cosas fascinantes sobre la vida, no solo de los humanos, sino de las diferentes formas identificadas en nuestro planeta; sin embargo, nuestra existencia sigue en un contexto incomprendido.
Los científicos están al tanto de que las proteínas, moléculas extremadamente complejas e interactivas, constituyen la base de nuestra vida. Pero comprender su estructura, la forma en que se producen y desembocan en nosotros, e incluso la razón por la que a veces no funcionan como deberían, ha sido todo un desafío.
Para tener una idea, en 1969, el biólogo estadounidense Cyrus Levinthal estimó que se necesitarían millones de años para entender la configuración del proteoma humano. En décadas de esfuerzo, los científicos habían logrado recrear apenas el 17 por ciento de los residuos totales de las secuencias de proteínas humanas experimentalmente. En muchos casos, sin completarlas.
Por fortuna, o más bien, gracias a la inteligencia artificial y al trabajo de muchos científicos, probablemente sea posible en menos tiempo. AlphaFold ha llegado para revolucionar la ciencia y, probablemente, la medicina.
AlphaFold: aprendizaje automático para predecir la estructura de las proteínas
El ADN humano es como un libro de instrucciones que involucra más de 20,000 proteínas, y cada una de las células se encarga de leerlas y llevar a cabo su parte en nuestro proceso de vida; esto incluye la replicación del material genético y la más famosa, la obtención de energía.
AlphaFold ayuda a los humanos a leer esta información y predecir la estructura de las proteínas en cuestión, superando así muchas de las limitaciones experimentales pero obteniendo resultados precisos y confiables.
“Aquí ampliamos drásticamente la cobertura estructural aplicando el método de aprendizaje automático de última generación, AlphaFold, a escala de casi todo el proteoma humano (98,5% de las proteínas humanas). El conjunto de datos resultante cubre el 58% de los residuos con una predicción segura, de los cuales un subconjunto (36% de todos los residuos) tiene una confianza muy alta”.
¿Cuál es la utilidad de poder predecir la estructura de las proteínas humanas?
En 2010, el neurocientífico británico Demis Hassabis fundó una empresa llamada DeepMind para impulsar la adopción y progreso de la inteligencia artificial. Para 2014, Google había reconocido su potencial para el futuro y la compró por 650 millones de dólares.
Y aunque se usó inicialmente para el desarrollo de videojuegos, pronto halló utilidad en el campo de la biología; de hecho, hemos cubierto varios de sus logros en oportunidades previas. Hoy, gracias a ello, contamos con un sistema de aprendizaje automático que ahorrará tiempo, dinero y limitaciones burocráticas a los científicos.
Ahora hablemos de la utilidad de este logro. En general, la estructura de las moléculas permite comprender su comportamiento, interacciones e implicaciones en el entorno. En el caso específico de las proteínas, predecir y comprender su estructura puede proporcionar información útil e invaluable para descifrar los orígenes de la vida.
Pero no solo la vida, sino también los desperfectos en ella. La estructura de las proteínas aloja datos clave para la comprensión de lo que “debería” y “no debería” ser y, por consiguiente, para la comprensión de enfermedades congénitas, neurodegenerativas o relacionadas con el envejecimiento. Esto, a su vez, puede conducir a nuevas vías de tratamiento que harían la diferencia entre la vida y la muerte, e incluso proporcionarían calidad a los pacientes.
Un recurso gratuito y disponible para la comunidad científica
Cabe destacar que AlphaFold se entrenó con los datos recolectados por la comunidad científica internacional durante años. Su capacidad de predecir la estructura de las proteínas se ha puesto a disposición del público de forma gratuita.
DeepMind y el Laboratorio Europeo de Biología Molecular publicaron más de 350,000 estructuras. Entre ellas, no solo figuran las humanas, sino también las de otros 20 organismos, incluidos el ratón de laboratorio y la bacteria de la tuberculosis.
Referencia:
Highly accurate protein structure prediction for the human proteome. https://www.nature.com/articles/s41586-021-03828-1
