La inteligencia artificial crea el mapa más completo de proteínas humanas

El hallazgo ha permitido aclarar un problema fundamental que llevaba más de 50 años sin resolverse. Sus creadores consideran que este avance científico supone implicaciones ‘revolucionarias’ en el campo de la medicina y la biología, pues ayudará a crear nuevos medicamentos y a estudiar en profundidad todas las enfermedades.

Modelo de proteína en 3D

Modelo de proteína en 3D

El cálculo realizado con inteligencia artificial revela la forma de las proteínas en 3D.

Foto: Istock

En todos los organismos vivos, cada célula desempeña su papel biológico con ayuda de proteínas, una macromoléculas formadas por cadenas lineales de aminoácidos que aportan instrucciones precisas para su buen funcionamiento. Sin embargo, a diferencia del genoma, la estructura de estas proteínas cambia constantemente. Determinar el contenido químico de una enzima no presenta demasiada complicación actualmente gracias a la ciencia. Lo realmente difícil es deducir la forma tridimensional de una proteína, formada por intrincadas cadenas de aminoácidos que se pliegan de una determinada manera. Una tarea ardua que puede implicar años de experimentación y error.

En 1969, el biólogo estadounidense Cyrus Levinthal calculó que para desentrañar todas las configuraciones posibles de una única proteína a partir de su secuencia de aminoácidos (los eslabones de esas macromoléculas), se necesitaría más tiempo del transcurrido desde el origen del universo, esto es, más de 13.000 millones de años.

Sin embargo, ahora un sistema de inteligencia artificial del conglomerado de Google llamado Deepmind ha logrado hacerlo en solo unos minutos. El hallazgo, un salto de gigante en el campo de la biología, ha sido desvelado recientemente en un estudio publicado en la revista Nature.

El sistema de inteligencia artificial de Deepmind, denominado AlphaFold, captura la secuencia de aminoácidos de esas proteínas y predice la estructura, con una precisión similar a la que consigue en costosos experimentos de laboratorio. Lo que antes suponía una inversión de cientos de miles de euros y años, podría resolverse ahora en cuestión de días.

Nuevos medicamentos

El hallazgo podría ayudar a los investigadores a crear nuevos medicamentos y a estudiar en profundidad todas las enfermedades, algunas de ellas letales o de difícil tratamiento, desde el cáncer al Alzhéimer. Y es que todas las dolencias están relacionadas directamente con algún tipo de proteína.

Demis Hassabis, director ejecutivo de DeepMind, ha anunciado que tiene previsto publicar 100 millones de estructuras en los próximos meses, lo que a la práctica supondría ofrecer de manera gratuita el mapa para predecir prácticamente toda la secuencia de las proteínas que cuentan con una secuencia de aminoácidos conocida.

"Creemos que es la imagen más completa y precisa del proteoma humano hasta la fecha", el confundador de la firma en declaraciones a la BBC, quien asegura que el trabajo "representa la contribución más significativa que la IA ha hecho para avanzar en el estado del conocimiento científico hasta la fecha y creo que es una gran ilustración y ejemplo del tipo de beneficios que puede aportar a la sociedad".

Algunas organizaciones científicas ya están utilizando los datos de DeepMind para desarrollar nuevos fármacos o incluso para el desarrollo de nuevas proteínas capaces de reciclar plástico. Pero a pesar de su innegable potencial, algunos investigadores sostienen que el sistema no puede sustituir los experimentos de laboratorio, mucho más precisos.

Por ejemplo, el experto en estructura de proteínas de la Universidad del País Vasco, David de Sancho, afirmaba recientemente en en su cuenta de Twitter que el hallazgo resuelve “la predicción de estructuras, pero no el problema del plegamiento de las proteínas”, esto es, predecir los pasos que sigue la proteína para pasar del estado desplegado al plegado, algo que hasta la fecha nadie ha conseguido. Por su parte, Alfonso Valencia, director de Ciencias de la Vida del Centro de Supercomptuación de Barcelona, explicaba a la Agencia SINC que AlphaFold proporciona un atajo muy valioso en la práctica, aunque no resuelve el problema de fondo. “Predecir estructuras no es equivalente a resolver el problema científico que cómo se pliegan las proteínas”, advierte.

Sea como fuere parece que este avance supone un importante paso científico en múltiples campos. Habrá que ver hasta donde llegan las aplicaciones prácticas de tamaño descubrimiento.