AlphaFold de DeepMind: la inteligencia artificial revela las formas de los componentes básicos de la vida y utiliza un nuevo amanecer para la ciencia | La ciencia

La humanidad se ha enfrentado durante medio siglo a un inmenso desafío: comprender la forma de los componentes básicos de la vida, un conocimiento esencial para curar enfermedades que ahora son fatales. El agua es muy fácil de imaginar. Estos son solo dos átomos de hidrógeno unidos a otro oxígeno: H₂O. Pero la proteína que hace que la sangre sea roja, la hemoglobina, responde a la fórmula diabólica C₂₉₅₂H₄₆₆₄N₈₁₂O₈₃₂S₈Fe₄. El biólogo estadounidense Cyrus Levinthal calculó en 1969 que tomaría más tiempo que el tiempo transcurrido desde el origen del universo (unos 14 mil millones de años) para desentrañar todas las configuraciones posibles de una sola proteína. Sin embargo, un sistema de inteligencia artificial del conglomerado Google logró hacerlo en cuestión de minutos. Sus predicciones para prácticamente todas las proteínas humanas se hacen públicas este jueves. Es un gran salto para la biología. La humanidad se quita la venda de los ojos.

A la cabeza de esta revolución está el neurocientífico británico Demis Hassabis, 44 años. El investigador era un niño prodigio del ajedrez y en 1997 quedó marcado por la pelea entre el maestro ruso Gari Kasparov y la supercomputadora Deep Blue. La computadora ganó esta batalla, pero Hassabis sintió que era algo burdo, inútil si tenías que jugar tres seguidos. À la fin du dernier match, l’étudiant de l’Université de Cambridge de l’époque s’est mis à concevoir une machine capable d’apprendre n’importe quel jeu. En 2010, Hassabis a fondé la société DeepMind pour alimenter l ‘inteligencia artificial. En 2013, su primera criatura había aprendido a jugar y a ganar por su cuenta en diferentes videojuegos de la legendaria consola de videojuegos Atari. En 2014, Google compró la empresa por unos 650 millones de dólares.

Después de su formación en videojuegos, los científicos de DeepMind se propusieron resolver uno de los mayores desafíos de la biología. Las proteínas, como las hormonas, las enzimas y los anticuerpos, son máquinas diminutas que realizan las funciones básicas de la vida. Están formados por cadenas de otras moléculas más pequeñas, aminoácidos, como un collar de perlas. Estos collares se pliegan en configuraciones intrincadas que determinan su función. Los anticuerpos, las defensas del cuerpo humano contra invasores como el coronavirus, tienen forma de Y.

Las recetas de todas las proteínas que necesita para funcionar están escritas en el ADN de cada célula. El sistema de DeepMind, denominado AlphaFold, lee esta información, una secuencia de aminoácidos, y predice la estructura de cada proteína. Su precisión es similar a la obtenida con los experimentos de laboratorio, que requieren mucho más tiempo y dinero. Es como adivinar la forma de una tortilla cuando ve por primera vez una receta con huevos, patatas, cebolla, aceite y sal.

DeepMind y el Laboratorio Europeo de Biología Molecular publicaron el jueves más de 350.000 estructuras, incluidas las de unas 20.000 proteínas humanas y las de otros 20 organismos, como ratones de laboratorio y bacterias de la tuberculosis. El científico Venki Ramakrishnan, premio Nobel de Química en 2009, cree que se trata de un «avance increíble» con consecuencias imprevisibles. “Ocurrió mucho antes de lo que muchos expertos hubieran predicho. Será emocionante ver las muchas formas en que la investigación biológica cambiará drásticamente ”, dijo Ramakrishnan, del Laboratorio de Biología Molecular, Cambridge (Reino Unido), en un comunicado.

El sistema es «una verdadera revolución para las ciencias de la vida», en palabras de la científica Edith Heard.

Algunas organizaciones ya están trabajando con la nueva base de datos. La Iniciativa de Medicamentos para Enfermedades Desatendidas, una organización sin fines de lucro promovida por Médicos sin Fronteras, está utilizando la estructura de las proteínas para investigar nuevos tratamientos. Prácticamente todo, desde el cáncer hasta la enfermedad de Alzheimer y el covid, está relacionado con la forma de ciertas proteínas. Otras instituciones, como la Universidad de Portsmouth (Reino Unido), están utilizando el programa para intentar diseñar proteínas que puedan reciclar plásticos.

Demis Hassabis, CEO de DeepMind, ha anunciado planes para lanzar 100 millones de estructuras en los próximos meses. Esto significaría ofrecer una predicción de forma libre para prácticamente cualquier proteína con una secuencia de aminoácidos conocida. «Creemos que esta es la contribución más significativa de la inteligencia artificial al conocimiento científico hasta la fecha», proclamó Hassabis. En su estudio, publicado este jueves en la revista NaturalezaParticipó el español Bernardino Romera Paredes, ingeniero informático de DeepMind nacido en Murcia hace 35 años.

El sistema AlphaFold no nació de la nada, como Edith Heard, directora general del Laboratorio Europeo de Biología Molecular, una organización de 1.800 trabajadores y oficinas en Alemania, Francia, Italia, Reino Unido y, desde 2017, en España, en Barcelona. resaltado. . «AlphaFold se formó utilizando datos de recursos públicos creados por la comunidad científica, por lo que tiene sentido que sus predicciones sean públicas», dijo Heard. El investigador habla de «una verdadera revolución para las ciencias de la vida, como lo fue hace décadas la genómica».

Para determinar la estructura real de una proteína se requieren infraestructuras muy caras, como el Laboratorio Europeo de Radiación Sincrotrón, una instalación circular de casi un kilómetro de circunferencia en Grenoble (Francia). La radiación emitida por los electrones que circulan en el anillo, esencialmente compuestos por rayos X, permite observar los secretos de la materia. El biólogo español José Antonio Márquez explica que dilucidar la forma de una proteína con un sincrotrón, o con el método alternativo de criomicroscopía electrónica, puede llevar «meses o incluso años». AlphaFold lo hace en minutos, pero con errores.

“Estas son predicciones por computadora, no la determinación experimental de la estructura. Y la precisión es del 58% ”, subraya Márquez, investigador valenciano de 52 años que dirige la Plataforma de Cristalografía del Laboratorio Europeo de Biología Molecular en Grenoble. Hoy, si un científico quiere estudiar una proteína involucrada en el cáncer, tiene que esperar meses o años para analizar su forma. Solo hay alrededor de 180.000 estructuras en las bases de datos. La información publicada el jueves duplicó esta cifra. Y en unos meses serán millones. “Lo normal hoy en día es no encontrar una proteína en las bases de datos. Con AlphaFold, puede tener una predicción con un 58% de confiabilidad. Te ahorra mucho tiempo ”, explica Márquez, que no participó en el proyecto. Las inexactitudes del sistema se concentran en determinadas regiones de las proteínas, no estructuradas para adaptarse al medio.

El biólogo español señala otras limitaciones. El sistema DeepMind puede predecir la estructura de una molécula aislada, pero las proteínas a menudo interactúan entre sí. AlphaFold aún no puede predecir la forma de estos complejos, pero es un programa diseñado para que usted aprenda por sí solo. Márquez es optimista: «Esto acelerará los descubrimientos en prácticamente todas las áreas de la biología».

Puedes escribirnos manuel@esmateria.com o seguir LA MATERIA a Facebook, Gorjeo, Instagram o suscríbete aquí a nuestro boletín.