DeepMind descubre la estructura de 200 millones de proteínas

La inteligencia artificial descifró la estructura de prácticamente todas las proteínas conocidas por la ciencia, sentando las bases para el desarrollo de nuevos medicamentos o tecnologías para afrontar retos globales como la hambruna o la contaminación.

Las proteínas son los componentes básicos de la vida. Formadas por cadenas de aminoácidos, plegadas en formas complejas, su estructura 3D determina en gran medida su función. Una vez que uno sabe cómo está plegada una proteína, puede empezar a entender cómo funciona y cómo cambiar su comportamiento. Aunque el ADN proporciona las instrucciones para fabricar la cadena de aminoácidos, la predicción de cómo interactúan para adoptar una forma 3D era más complicada y, hasta hace poco, los científicos solo habían descifrado una fracción de los aproximadamente 200 millones de proteínas conocidas por la ciencia.

En noviembre de 2020, el grupo de Inteligencia Artificial DeepMind anunció que había desarrollado un programa llamado AlphaFold que podía predecir con rapidez esta información mediante un algoritmo. Desde entonces, ha estado analizando los códigos genéticos de cada organismo cuyo genoma ha sido secuenciado y ha predicho las estructuras de los cientos de millones de proteínas que contienen en conjunto.

El año pasado, DeepMind publicó en una base de datos de libre acceso las estructuras de las proteínas de 20 especies –incluyendo casi todas las 20 mil proteínas existentes en el ser humano–. Ahora ha finalizado el trabajo y publicó las estructuras predichas de más de 200 millones de proteínas.

“Básicamente, se puede considerar que cubre todo el universo de las proteínas. Incluye estructuras predictivas correspondientes a plantas, bacterias, animales y muchos otros organismos, lo cual crea nuevas y enormes oportunidades para que AlphaFold tenga un impacto en cuestiones importantes, como la sustentabilidad, la inseguridad alimentaria y las enfermedades desatendidas”, señaló Demis Hassabis, fundador y director ejecutivo de DeepMind.

Los científicos ya están utilizando algunas de sus primeras predicciones para ayudar a desarrollar nuevos medicamentos. En mayo, investigadores dirigidos por el profesor Matthew Higgins, de la Universidad de Oxford, anunciaron que utilizaron los modelos de AlphaFold para ayudar a determinar la estructura de una proteína clave del parásito de la malaria y determinar dónde era probable que se adhirieran los anticuerpos que podrían bloquear la transmisión del parásito.

“Anteriormente, utilizábamos una técnica llamada cristalografía de proteínas para determinar el aspecto de esta molécula, sin embargo, como es bastante dinámica y se desplaza, no podíamos llegar a comprenderla”, explicó Higgins. “Cuando tomamos los modelos de AlphaFold y los combinamos con esta evidencia experimental, de repente todo cobró sentido”. Esta información ahora será utilizada para diseñar mejores vacunas que induzcan los anticuerpos más potentes que bloqueen la transmisión”.

Los modelos de AlphaFold también están siendo utilizados por los científicos del Centro de Innovación de Enzimas de la Universidad de Portsmouth para identificar enzimas del mundo natural que podrían ser modificadas para digerir y reciclar plásticos. “Nos costó mucho tiempo revisar esta enorme base de datos de estructuras, pero abrió todo este conjunto de nuevas formas tridimensionales que nunca habíamos visto antes y que realmente podrían descomponer los plásticos”, comentó el profesor John McGeehan, quien dirige el trabajo. “Se trata de un cambio de paradigma absoluto. Realmente podemos acelerar el rumbo desde este punto, y eso nos ayuda a dirigir estos preciosos recursos hacia las cosas que importan”.

La profesora Dame Janet Thornton, líder del grupo y científica principal del Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular, señaló: “Las predicciones de la estructura de las proteínas de AlphaFold ya están siendo utilizadas de muchas maneras. Confío en que esta última actualización provocará una avalancha de nuevos y emocionantes descubrimientos en los próximos meses y años, y todo esto gracias al hecho de que los datos están disponibles públicamente para que todos los utilicen”.