El ADN humano guarda en su interior el ‘libro de instrucciones’ de más de 20.000 proteínas, encargadas de La mayoría de las funciones en el interior de las células, Tal como la replicación del material genético, la obtención de energía o la señalización de todas y cada una las rutas indispensables para su funcionamiento. Los biólogos se afanan por comprender sus estructuras, recreándolas en 3D de manera esperimental. Aunque, tan Sólo ha conseguido ‘desentrañar’ un tercio de ellas, en muchos casos de forma incompleta. A continuación, una inteligencia artificial bautizada De exactamente la misma manera que AlphaFold es capaz de predecir con bastante exactitud de qué forma son La mayoría de ellas. Para muchos, una herramienta que se postula De exactamente la misma forma que una revolución científica sin precedentes. Los resultados acaban de publicarse en la revista ‘Nature’. AlphaFold -creada por la compañía DeepMind, compañía especializada en inteligencia artificial y que Desde hace algo más de un lustro pertenece a Google- es capaz de, con tan Solo leer las largas y complejas cadenas de moléculas de las proteínas – compuestas de aminoácidos-, predecir su estructura. Algo Tal y como saber de antemano de qué forma lucirá una receta tan Sólo con ver los ingredientes. Hasta el instante, esta labor se llevaba a cabo con largos y costosos experimentos de laboratorio que podían durar días, aun años. Sin embargo AlphaFold puede elaborar su trabajo en apenas horas, aun minutos. De momento, ha desentrañado más de 350.000 estructuras de proteínas, duplicando todos y cada uno de los registros precedentes, aparte de ponerlos a disposición y en abierto a toda la comunidad científica. Y sus creadores no piensan parar: se han propuesto obtener los 130 millones para finales de este mismo año. «Esta es la mayor contribución que ha hecho un sistema de inteligencia artificial hasta posteriormente para promover el conocimiento científico. No creo que sea exagerado decir eso», afirma Demis Hassabis, cofundador y directivo ejecutivo de DeepMind, a su vez de uno de los creadores del estudio. Aún De este modo, muchos, incluidos los investigadores, se exhiben cautelosos: la fiabilidad de las predicciones aún no alcanza el 60%, por lo cual, Pero Versa de un gran adelanto, a la tecnología Aún le queda mucho para madurar. «Que tengamos todos estos información en esa escala es un paso asombroso», apunta David Jones, un biólogo computacional de UCL que asesoró a DeepMind en una versión previo de AlphaFold. La importancia de cómo se pliega la proteína
DeepMind y su AlphaFold ya sorprendieron el pasado año Una vez que han logrado literalmente ‘barrer’ a todos sus competidores en un Sólo ejercicio de predicción de proteínas llamado CASP (Critical Assessment of protein Structure Prediction). En esta competición bianual que tiene Del mismo modo que fin ‘enfrentar’ entre sí a diversos modelos bioinformáticos, AlphaFold logró predecir al 92% de fiabilidad la estructura tridimensional de las proteínas en apenas minutos u horas, al tiempo que ciertos de sus competidores tardaron aun días. Pero es a continuación Una vez que los adelantos y la tecnología detrás de esta inteligencia artificial se han publicado en una revista científica. Y, a su vez, todas y cada una las estructuras están en abierto Durante el Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular (EMBL-EBI), situado en Hinxton, UK. De momento, estos archivos contienen el 98,5% de todas y cada una y cada una de las proteínas humanas conocidas, De esta forma Del mismo modo que un nivel similar en otros organismos, Del mismo modo que la mosca de la fruta, la Y De la misma forma. coli, el ratón, el pez cebra, el parásito de la malaria y las bacterias de la tuberculosis. En lo cual se refiere a fiabilidad, A partir de DeepMind se señala que el 58% de sus predicciones para las ubicaciones de los aminoácidos individuales fueron lo suficientemente buenas Como para confiar en la forma de los pliegues de la proteína (una de sus peculiaridades más importantes es que su función depende de de qué manera se pliegan: sus propiedades físico-químicas las están haciendo adquirir una estructura tridimensional determinada, sin la cual pueden funcionar). Y, de ellas, el 36% fueron tan certeras que se pueden detallar sus características atómicas, útiles para el diseño de fármacos, por poner un ejemplo. «Queremos darles a los experimentadores y biólogos una señal verdaderamente clara de en qué partes de las predicciones deben confiar», afirma Kathryn Tunyasuvunakool, ingeniera científica de DeepMind y 1era música y escritora de un artículo. Sin embargo, Pese a que no tenga un 100% de fiabilidad (Aún), los investigadores Piensan que esta inteligencia artificial ya puede ofrecer datos muy valiosa. Los biólogos Creen que una gran proporción de proteínas humanas y las de otros eucariotas (organismos con células que poseen núcleos) contienen regiones que están intrínsecamente desordenadas y adquieren una estructura definida Solo en el horario se ‘ponen de acuerdo’ con otras moléculas. Y, precisamente, Ciertas de las zonas que AlphaFold predijo con menor confianza «coinciden con las que los biólogos sospechan que están desordenadas», asevera Pushmeet Kohli, líder de inteligencia artificial de Ciencia en DeepMind. «Cambio de paradigma»
De instante, muchos científicos coinciden en que es probable que la disponibilidad de tantas estructuras de proteínas marque Desde ya un «cambio de paradigma» en biología. «Todo lo cual hacemos Hoy que se basa en una secuencia de proteínas, en seguida podemos hacerlo con la estructura de las proteínas en sí», señala Mohammed AlQuraishi, biólogo computacional de la Universidad de Columbia en Inédita York y experto en el asunto. En palabras de Elizabeth Blackburn, Premio Nobel de Fisiología o Medicina 2009 y Profesora Emérita de la Universidad de California San Francisco: «A medida que este enfoque revolucionario de DeepMind se vuelva accesible, se abrirán nuevas ventanas para la comunidad científica acerca de el significado biológico de la secuencia del genoma».