La inteligencia artificial de Google predice la estructura de todas las prote¨ªnas conocidas y abre un nuevo universo para la ciencia

Una inteligencia artificial propiedad de Google ha predicho la estructura de casi todas las prote¨ªnas conocidas; unos 200 millones de mol¨¦culas esenciales para comprender la biolog¨ªa de todos los seres vivos del planeta y los mecanismos de algunas de las enfermedades m¨¢s prevalentes, desde la malaria hasta el alzh¨¦imer y el c¨¢ncer.

¡°Este trabajo da inicio a una nueva era de biolog¨ªa digital¡±, ha celebrado Demis Hassabis, el experto en programaci¨®n y neurociencia de 45 a?os que es el principal creador de AlphaFold, el sistema de redes neuronales que ha sido capaz de resolver casi por completo uno de los mayores problemas de la biolog¨ªa.

El brit¨¢nico Hassabis fue un talento juvenil del ajedrez y los videojuegos que en 2010 fund¨® Deepmind, una empresa volcada en crear una inteligencia artificial capaz de aprender como los humanos. En 2013, este sistema demostr¨® ser mejor que cualquier persona jugando a videojuegos de la empresa Atari. Al a?o siguiente, Google compr¨® la compa?¨ªa por unos 500 millones de euros. En 2017, AlphaGo arras¨® ante los mejores campeones de Go, el complej¨ªsimo juego de tablero asi¨¢tico similar al ajedrez. Desde entonces, Hassabis volc¨® sus esfuerzos en un reto mucho mayor: predecir la forma tridimensional que tendr¨¢ una prote¨ªna leyendo ¨²nicamente su secuencia gen¨¦tica, escrita en dos dimensiones con letras de ADN.

Conocer la estructura tridimensional de estas mol¨¦culas a partir de su secuencia gen¨¦tica es esencial para entender su funci¨®n, pero supone un problema de inmensa dificultad. Es como terminar un puzle con decenas de miles de piezas sin saber qu¨¦ imagen representa.

Hasta la aparici¨®n de este sistema, dilucidar la forma de una sola prote¨ªna compuesta por 100 unidades b¨¢sicas ¡ªllamadas amino¨¢cidos¡ª pod¨ªa llevar 13.700 millones de a?os, la edad del universo. En el mejor de los casos, los cient¨ªficos tardaban a?os usando microscop¨ªa electr¨®nica o enormes aceleradores de part¨ªculas como el sincrotr¨®n europeo de Grenoble (Francia). En cambio, el algoritmo de Google predice la estructura de cualquier prote¨ªna en unos pocos segundos.

¡°Este universo de prote¨ªnas¡± es ¡°un regalo para la humanidad¡±, ha resaltado Hassabis durante la presentaci¨®n de la nueva base de datos, durante una rueda de prensa celebrada el martes, junto a cient¨ªficos del Laboratorio Europeo de Biolog¨ªa Molecular (EMBL), una instituci¨®n p¨²blica que ha colaborado en el desarrollo de AlphaFold.

Antes de la llegada de esta tecnolog¨ªa, se hab¨ªa conseguido determinar la estructura de unas 200.000 prote¨ªnas, una labor que llev¨® 60 a?os y la participaci¨®n de miles de cient¨ªficos. Esa base de datos ha sido el material de aprendizaje de la inteligencia artificial de Google, que ha buscado patrones v¨¢lidos que predigan qu¨¦ forma tendr¨¢n las prote¨ªnas de las que solo se conoce su secuencia bidimensional. En 2021, el sistema ya resolvi¨® la estructura de un mill¨®n de prote¨ªnas, incluidas todas las humanas. La nueva remesa de este a?o ampl¨ªa el r¨¦cord a 200 millones: pr¨¢cticamente todas las prote¨ªnas conocidas de todos los seres vivos del planeta.

El acceso a esta nueva base de datos es libre y gratuito y el c¨®digo inform¨¢tico de su inteligencia artificial es abierto y descargable. Este Google de la vida muestra la secuencia bidimensional de cualquier prote¨ªna y un modelo tridimensional que indica el nivel de fiabilidad de la predicci¨®n, que tiene un margen de error similar o incluso menor que los m¨¦todos convencionales.

Es importante tener en cuenta que AlphaFold no determina la realidad, sino que la predice. Lee la secuencia gen¨¦tica y estima cu¨¢l es la forma m¨¢s probable en la que se configurar¨¢n los amino¨¢cidos. La predicci¨®n tiene una alta fiabilidad, lo que permite ahorrar mucho tiempo y dinero a los cient¨ªficos para hacer trabajos te¨®ricos sin necesidad de usar costosos equipos para determinar la estructura real de una prote¨ªna hasta que sea absolutamente necesario.

Las aplicaciones de esta nueva herramienta son casi infinitas, pues las prote¨ªnas microsc¨®picas est¨¢n involucradas en cualquier proceso biol¨®gico imaginable, desde la muerte en masa de las abejas a la resistencia de las cosechas al calor, pasando por una infinidad de enfermedades.

El equipo de Matt Higgins, de la Universidad de Oxford (Reino Unido), ha usado AlphaFold como parte de su proyecto para desarrollar un anticuerpo ¡ªun tipo de prote¨ªna¡ª capaz de neutralizar una de las prote¨ªnas esenciales para que el pat¨®geno de la malaria pueda reproducirse. Dentro de a?os, este tipo de investigaciones podr¨ªan conseguir la primera vacuna altamente protectora contra esta enfermedad, pues impedir¨ªa la transmisi¨®n del par¨¢sito de una persona a otra a trav¨¦s de la picadura de mosquitos.

Logros conseguidos

Otro de los hitos ya logrados es la estructura m¨¢s detallada hasta la fecha de los poros nucleares, un complejo de prote¨ªnas con forma de rosquilla que es la puerta de entrada y de salida del n¨²cleo de las c¨¦lulas humanas y que est¨¢ relacionado con un sinf¨ªn de enfermedades, incluidas el c¨¢ncer y las cardiovasculares. Esta nueva herramienta permite un acceso sin precedentes a entender ¡°c¨®mo la receta de la vida [escrita en el genoma] entra en funcionamiento al traducirse en prote¨ªnas¡±, explic¨® a este diario Jan Kosinski, investigador del EMBL coautor de este hallazgo.

Hassabis y el resto de responsables de Deepmind y el EMBL han asegurado que se han analizado los posibles riesgos que entra?a publicar esta base de datos y hacerla accesible a todo el mundo. ¡°Los beneficios son claramente superiores a las amenazas¡±, ha resaltado el creador del sistema, que ha a?adido que en el futuro, a medida que se desarrolle esta tecnolog¨ªa, ser¨¢ la comunidad internacional la que deba decidir si debe limitarse su uso.

Una de las aplicaciones m¨¢s tangibles es el dise?o de mol¨¦culas a la carta que puedan bloquear prote¨ªnas nocivas o, mejor, modular su actividad, un efecto mucho m¨¢s deseable en el dise?o de nuevos f¨¢rmacos, explica Carlos Fern¨¢ndez, cient¨ªfico del CSIC y l¨ªder del grupo de biolog¨ªa estructural de la Sociedad Espa?ola de Biolog¨ªa Molecular. Su equipo ha utilizado AlphaFold para dilucidar parte de la estructura de un complejo formado por varias prote¨ªnas esencial para la propagaci¨®n del tripanosoma que causa la enfermedad del sue?o que existe en pa¨ªses del ?frica subsahariana.

Ahora quedan por delante a?os de trabajo para confirmar si las predicciones son correctas, explica el bi¨®logo Jos¨¦ M¨¢rquez, experto en estructura de prote¨ªnas del sincrotr¨®n de Grenoble. ¡°La pr¨®xima frontera ser¨¢ que AlphaFold pueda contribuir al dise?o de f¨¢rmacos bloqueadores de prote¨ªnas o activadores de ellas, un problema que ya est¨¢n abordando¡±, explica. Otro escollo: el sistema no dice por qu¨¦ una prote¨ªna obtiene su forma final, algo que puede ser esencial en la investigaci¨®n de dolencias como el alzh¨¦imer o el p¨¢rkinson, relacionadas con un plegado incorrecto de las prote¨ªnas.

Alfonso Valencia, director de ciencias de la vida en el Centro Nacional de Supercomputaci¨®n, habla de las carencias del sistema. ¡°No todo est¨¢ resuelto, porque AlphaFold solo puede predecir cosas que est¨¦n en el dominio de cosas conocidas. Por ejemplo, no puede predecir bien la estructura de un tipo de prote¨ªnas que protegen de congelaci¨®n porque son raras y no hay muchos ejemplos en las bases de datos. Tampoco puede predecir la consecuencia de mutaciones, lo que es un punto muy negativo en medicina¡±, resalta.

Tambi¨¦n reconoce uno de sus puntos fuertes: que el c¨®digo de todo el sistema es abierto, lo que supone que otros cient¨ªficos pueden mejorarlo o modificarlo a su gusto, incluso si Google decide retirar el sistema de la red. ¡°Es evidente que la gente de Deepmind est¨¢ buscando ganar el Premio Nobel al actuar de esta forma tan transparente¡±, opina Valencia. ¡°Por un lado, obtienen una gran imagen y una ventaja sobre sus competidores, como Facebook. Por otro, ya han sugerido que se reservan el uso privado de datos concretos sobre salud y para el dise?o de f¨¢rmacos¡±, a?ade.

Puedes seguir a MATERIA en Facebook, Twitter e Instagram, o apuntarte aqu¨ª para recibir nuestra newsletter semanal.