Los secretos de la estructura b¨¢sica de la vida desvelados por la inteligencia artificial, descubrimiento cient¨ªfico del a?o

A veces es f¨¢cil llenarse la boca con expresiones como ¡°santo grial¡±, ¡°paso de gigante¡± o ¡°descubrimiento revolucionario¡± al hablar de un logro cient¨ªfico. Pero cuando se trata de revelar la forma de las prote¨ªnas con la sencillez de quien busca algo en Google, esas palabras encajan como un guante. Este a?o se ha confirmado que la inteligencia artificial es capaz de adivinar la estructura de estos motores b¨¢sicos de la vida, las prote¨ªnas, una de las claves fundamentales de la biolog¨ªa. Y es un logro por partida doble: ¡°Primero, porque resuelve un problema cient¨ªfico que ha estado en la lista de tareas pendientes durante 50 a?os. En segundo lugar, es una t¨¦cnica revolucionaria que acelerar¨¢ enormemente el descubrimiento cient¨ªfico. Habr¨ªa sido el Descubrimiento del A?o por cualquiera de los dos motivos¡±, asegura Holden Thorp, director de la influyente revista cient¨ªfica Science, que concede el reconocimiento a este ¨¦xito cient¨ªfico. El a?o pasado aplaudieron el desarrollo de las vacunas contra la covid.

Este logro lo han realizado dos grupos distintos: la compa?¨ªa DeepMind y el equipo de David Baker, bioqu¨ªmico computacional de la Universidad de Washington. Un triunfo que hace apenas quince a?os parec¨ªa imposible de lograr, como recuerda el propio Thorp: ¡°Cuando dej¨¦ el laboratorio en 2006, pens¨¦ que el problema del plegamiento de prote¨ªnas nunca se resolver¨ªa¡±. Muchos especialistas de ese campo cre¨ªan que, de lograrse, no lo ver¨ªan en vida. Una persona ajena al mundo de la biomedicina puede sorprenderse por la importancia que se le da a esta cuesti¨®n tan t¨¦cnica, la de la forma en que se pliegan las prote¨ªnas; no parece un anhelo popular como la cura del c¨¢ncer o la vacuna de la malaria. Pero es que las prote¨ªnas, los operadores esenciales de casi todas las funciones biol¨®gicas, atraviesan esos y la mayor¨ªa de los problemas biom¨¦dicos imaginables. Incluida la covid. Una prote¨ªna es la esp¨ªcula del coronavirus, los penachos que lo rodean y que le permiten conquistar nuestras c¨¦lulas para enfermarnos. Conocer su estructura permite dise?ar estrategias para atacar esa ganz¨²a con la que nos invade.

En 2006, pensaba que el problema del plegamiento de prote¨ªnas nunca se resolver¨ªa

Holden Thorp, director de 'Science'

Casi todo el mundo tiene en mente la met¨¢fora de que el ADN contiene las instrucciones de la vida. Aunque son las prote¨ªnas quienes la ponen a funcionar: realizan esas tareas, como activar el movimiento de los m¨²sculos, determinar el estado de los tejidos, transportar sustancias por el organismo o defenderlo de las agresiones. Las instrucciones del ADN por s¨ª solas, l¨®gicamente, no hacen nada. Ese manual nada m¨¢s pone en marcha a las materias primas, los amino¨¢cidos, sobre la cadena de montaje. Se disponen en fila en la cinta para que los operarios (los ribosomas) construyan esas m¨¢quinas que son las prote¨ªnas. Pliegan esa fila de amino¨¢cidos para darle su complej¨ªsima forma a las prote¨ªnas, una estructura que determina su funci¨®n: no es lo mismo construir una cafetera que un motor de coche.

La inteligencia artificial es capaz de saber si la cafetera ser¨¢ italiana, hexagonal y con asa de pl¨¢stico, con solo ver los tornillos y las placas de lat¨®n dispuestas en fila bidimensional. Las prote¨ªnas se construyen combinando ¨²nicamente 20 amino¨¢cidos en innumerables distribuciones y longitudes. Por eso, descifrar la disposici¨®n final en tres dimensiones es un trabajo arduo y costoso, que muchos laboratorios ni siquiera pueden plantearse. Descifrar esas estructuras en condiciones normales ser¨ªa un esfuerzo que costar¨ªa miles de millones de a?os; incluso las prote¨ªnas de tama?o modesto podr¨ªan tomar un n¨²mero astron¨®mico de aspectos posibles. Con este logro de la computaci¨®n, se consigue en un rato.

A mediados de julio, Baker y sus colegas publicaron en Science que su programa de inteligencia artificial RoseTTAFold hab¨ªa resuelto las estructuras de cientos de prote¨ªnas, todas importantes para la creaci¨®n de medicamentos. A la vez y de manera independiente, los cient¨ªficos de DeepMind difundieron en Nature su propio logro: su m¨¢quina, AlphaFold, hab¨ªa dibujado 350.000 prote¨ªnas que se encuentran en el cuerpo humano, el 44% de todas las prote¨ªnas humanas conocidas. Adem¨¢s, esperan que su base de datos crezca a 130 millones de prote¨ªnas pertenecientes a todas las especies, m¨¢s de la mitad del n¨²mero total que se cree que existe. Ambos equipos han puesto esas estructuras a disposici¨®n de todos los laboratorios del mundo, y tambi¨¦n las herramientas para lograr otras nuevas.

No pod¨ªa ser de otra manera, como expres¨® en su d¨ªa Edith Heard, directora general del Laboratorio Europeo de Biolog¨ªa Molecular, de cuyos recursos se aprovech¨® DeepMind y con quien ahora comparte sus logros: ¡°AlphaFold ha sido entrenado utilizando datos de recursos p¨²blicos creados por la comunidad cient¨ªfica, as¨ª que tiene sentido que sus predicciones sean p¨²blicas¡±. La investigadora lo mostraba como ¡°una aut¨¦ntica revoluci¨®n para las ciencias de la vida, como lo fue la gen¨®mica hace d¨¦cadas¡±.

Es una aut¨¦ntica revoluci¨®n para las ciencias de la vida, como lo fue la gen¨®mica hace d¨¦cadas

Edith Heard, directora general del Laboratorio Europeo de Biolog¨ªa Molecular

Se abre la puerta a innumerables hallazgos en biomedicina, tratamientos y soluciones biol¨®gicas. ¡°Todas las ¨¢reas de la biolog¨ªa molecular y computacional van a transformarse¡±, asegura Baker en Science. Las opciones son apasionantes: casi todos los medicamentos funcionan por asociarse a un punto espec¨ªfico de una prote¨ªna, por lo que conocer en detalle la diana multiplica la capacidad de acertar. Adem¨¢s, son muchas las enfermedades, desde el alzh¨¦imer y el p¨¢rkinson a la diabetes o la fibrosis qu¨ªstica, que se generan tras la acumulaci¨®n de prote¨ªnas mal plegadas, por lo que ahora se podr¨ªan abordar con mejor pron¨®stico. Y no solo eso: al saber c¨®mo se doblar¨¢ una cadena bidimensional de amino¨¢cidos, aparece la posibilidad de dise?ar prote¨ªnas artificiales: que protejan de los virus, como ya se est¨¢ ensayando, pero tambi¨¦n para descomponer materiales contaminantes.

¡°No sab¨ªa qu¨¦ era una prote¨ªna cuando empec¨¦ [en DeepMind]¡±, reconoce John Jumper, responsable de este hallazgo para la compa?¨ªa, hermana de Google bajo el paraguas de Alphabet. Aplicar la inteligencia artificial a un problema cient¨ªfico fue ¡°realmente m¨¢gico¡±, asegura Jumper en declaraciones a Nature, la prestigiosa revista cient¨ªfica que le ha incluido entre los diez cient¨ªficos m¨¢s relevantes de 2021. Su logro, publicado en esa revista en julio, contaba con dos espa?oles entre los firmantes: Oriol Vinyals y Bernardino Romera.

El siguiente paso ser¨¢ predecir cu¨¢les de esas prote¨ªnas descritas trabajan juntas y c¨®mo interact¨²an, porque en muchas ocasiones no funcionan solas. La inteligencia artificial ya est¨¢ afanada en ello tras demostrar esta vez que s¨ª es capaz de cumplir los ambiciosos ¨¦xitos que llevaba a?os prometiendo. Y no ser¨ªa raro que esto termine en Estocolmo celebrando un Nobel: la importancia de las prote¨ªnas se descubre de un vistazo al ver los numerosos premios concedidos en Qu¨ªmica o Medicina a descubrimientos ligados a la estructura de estos motores de la vida. Los primeros en describir prote¨ªnas, como Frederick Sanger, John Kendrew y Max Perutz recibieron sus galardones, hace seis d¨¦cadas. Ahora describen miles de un plumazo.

Puedes escribir a javier@esmateria.com y seguir a MATERIA en Facebook, Twitter e Instagram, o apuntarte aqu¨ª para recibir nuestro bolet¨ªn semanal.