La Inteligencia Artificial consiguió predecir la estructura de casi todas las proteínas del mundo

El avance es enorme. El problema del plegamiento de las proteínas, es decir la estructura espacial que determina la funcionalidad, fue un misterio que frenó el progreso de la ciencia durante casi un siglo. Se trataba de averiguar la estructura a partir de la secuencia de aminoácidos. AlphaFold lo hizo.

Las proteínas son los componentes básicos de la vida y su estructura es crucial para su función. Entre estas proteínas están, por ejemplo, los anticuerpos que combaten las enfermedades, la hemoglobina que transporta el oxígeno en los glóbulos rojos y las enzimas.

“Si no se sabe cómo es una proteína, se trabaja en la oscuridad. Modificarla con un fármaco es mucho más fácil si se conoce su estructura”, explica Kathryn Tunyasuvunakool, investigadora científica de DeepMind que formó parte del equipo que creó AlphaFold.

La herramienta predice con precisión la forma plegada de las proteínas a partir de secuencias de aminoácidos, de manera que se le puede dar cualquier secuencia y obtiene la forma de la proteína al instante. De momento, se utilizó para desarrollar vacunas contra la malaria y fármacos para tratar el cáncer, entre otros.

Los resultados que la empresa ofrece en forma abierta y gratuita a la comunidad científica, según los expertos, ayudará a investigar los seres vivos; incluso, resolver problemas globales, como el hambre y muchas enfermedades. En lo inmediato, AlphaFold logró predecir la estructura de más de 200 millones de proteínas, cubriendo casi todos los organismos de la Tierra cuyo genoma fue secuenciado.

La herramienta y la base de datos de DeepMind, adquirida por Google en 2014, fue desarrollada en los últimos años. Sin embargo, la novedad reside en que ahora amplió su capacidad de procesamiento, lo que le permitió al programa pasar de un millón de estructuras a más de 200 millones. Una actualización que incluye estructuras proteicas predichas para una multitud de especies, incluidas plantas, bacterias, animales y otros organismos.

“El avance abre nuevas vías de investigación en ciencias de la vida con impacto en desafíos globales, como la sostenibilidad, la falta de alimentos y enfermedades olvidadas”, según informó el EMBL-EBI. Además, según el organismo, el lanzamiento abrirá nuevas vías de investigación en bioinformática y computación, “al permitir a los investigadores detectar patrones y tendencias en la base de datos”, señaló el instituto.

“AlphaFold ahora ofrece una vista en 3D del universo de las proteínas”, destaca Edith Heard, directora general del EMBL-ELBI. Por su parte, Demis Hassabis, fundador y director ejecutivo de DeepMind, añade que “nos sorprendió la velocidad a la que se convirtió en una herramienta esencial para cientos de miles de científicos en laboratorios y universidades de todo el mundo”.

“Desde la lucha contra las enfermedades hasta la contaminación por plásticos, AlphaFold ya permitió un impacto increíble en algunos de nuestros mayores desafíos globales. Nuestra esperanza es que esta base de datos ampliada ayude a muchos más investigadores y abra vías completamente nuevas”, dice Hassabis con relación al repositorio central a disposición de los investigadores de todo el mundo.

DeepMind y EMBL-EBI lanzaron AlphaFold en julio de 2021, con más de 350.000 predicciones de estructuras, incluido el proteoma humano completo. Las actualizaciones posteriores permitieron la adición de repositorios como UniProt y 27 nuevos proteomas, 17 de los cuales representan enfermedades tropicales desatendidas que continúan devastando las vidas de más de mil millones de personas en todo el mundo.

En poco más de un año, más de 1.000 artículos científicos citaron la base de datos y más de 500.000 investigadores de más de 190 países accedieron a AlphaFold para ver más de dos millones de estructuras. La comunidad científica también aprovechó este sistema para crear y adaptar herramientas como Foldseek y Dali, que permiten buscar entradas de proteínas concretas.

También se adoptaron las ideas centrales de aprendizaje automático que están detrás de este programa de IA para desarrollar nuevos algoritmos, o aplicarlos en áreas como la predicción de la estructura del ARN, o la creación de nuevos modelos proteicos.

Según sus promotores, AlphaFold también ayudó a mejorar la capacidad para combatir la contaminación de los plásticos, obtener información sobre la enfermedad de Parkinson, aumentar la salud de las abejas melíferas, comprender cómo se forma el hielo, abordar enfermedades como el Chagas y la leishmaniasis, además de explorar la evolución humana.

“Lanzamos AlphaFold con la esperanza de que otros equipos pudieran aprender y aprovechar los avances que hicimos, y fue emocionante ver que esto sucedió tan rápido. Muchas otras organizaciones de IA se introdujeron ahora en este campo y están aprovechando sus ventajas. Es realmente una nueva era en la biología estructural, y los métodos basados en IA impulsarán un progreso increíble”, destaca John Jumper, científico responsable de AlphaFold.

“AlphaFold revolucionó el campo de la biología molecular”, enfatiza Sameer Velankar de EMBL-EBI, quien especificó que DeepMind y el instituto continuarán actualizando AlphaFold para mejorar sus características y funcionalidad en respuesta a los comentarios de los usuarios. Además, precisa que el acceso a las estructuras seguirá siendo completamente abierto, bajo una licencia Creative Commons, y las descargas masivas disponibles a través de Google Cloud.

Mohammed AlQuraishi, biólogo molecular y experto en IA de la Universidad de Columbia, en los Estados Unidos, llevó la idea de AlphaFold al siguiente nivel: si se puede resolver el problema del plegamiento de proteínas, ¿por qué no crear proteínas totalmente nuevas?

AlQuraishi ideó Genie, un modelo de IA generativa creado a partir de AlphaFold para el diseño de proteínas que utiliza técnicas digitales para crear proteínas a medida. El resultado es una herramienta capaz de producir proteínas que nunca antes habían existido.

“Es como si intentaras hacer imágenes de personas con programas de IA. Le das montones y montones de ejemplos de caras. Al principio selecciona rasgos como la forma, pero luego aprende otros como el pelo y las facciones. Una vez aprendidos los rasgos del rostro, puede generar caras nuevas”, explica AlQuraishi.

Genie aprende primero las características simples de las proteínas y luego genera colocaciones precisas de aminoácidos para formar nuevas proteínas. Pero al igual que las caras generadas por la IA, Genie crea proteínas que nunca existieron en la naturaleza. El avance se dio a conocer el mes pasado en un estudio previo que aún no fue revisado por pares.

Tunyasuvunakool afirma que las herramientas de IA generativa como Genie podrían suponer una gran ayuda para el progreso científico; por ejemplo, para entender cómo la acumulación de fragmentos de proteína Tau en el cerebro contribuye a la enfermedad de Alzheimer.

AlQuraishi es “muy optimista” respecto a la transformación de la ciencia médica, aunque también cree que se verán beneficios más inmediatos en los sectores de la energía, el medio ambiente o la agricultura. “Podríamos, incluso, diseñar nuevas enzimas que ayuden a descomponer contaminantes o plásticos”, se entusiasma AlQuraishi.

(Con información de agencias)