David Baker, bioqu¨ªmico: ¡°Hemos creado una tecnolog¨ªa que nos lleva m¨¢s all¨¢ de las posibilidades de la biolog¨ªa¡±

El bioqu¨ªmico David Baker (Seattle, Estados Unidos, 61 a?os) lidera una revoluci¨®n tecnol¨®gica que puede cambiar para siempre la ciencia y la medicina. Para entender todo su potencial hay que viajar a lo m¨¢s hondo de un ser vivo: su ADN. Esta mol¨¦cula almacena todas las instrucciones necesarias para fabricar prote¨ªnas usando combinaciones de cuatro letras: ACGT. Las prote¨ªnas son las responsables de casi cualquier proceso biol¨®gico que pueda imaginarse, desde que un ¨¢rbol crezca a que una luci¨¦rnaga brille en la oscuridad o que un...

El bioqu¨ªmico David Baker (Seattle, Estados Unidos, 61 a?os) lidera una revoluci¨®n tecnol¨®gica que puede cambiar para siempre la ciencia y la medicina. Para entender todo su potencial hay que viajar a lo m¨¢s hondo de un ser vivo: su ADN. Esta mol¨¦cula almacena todas las instrucciones necesarias para fabricar prote¨ªnas usando combinaciones de cuatro letras: ACGT. Las prote¨ªnas son las responsables de casi cualquier proceso biol¨®gico que pueda imaginarse, desde que un ¨¢rbol crezca a que una luci¨¦rnaga brille en la oscuridad o que una persona piense, respire, digiera su comida y todo lo dem¨¢s, gracias a al menos 20.000 prote¨ªnas diferentes.

Entender c¨®mo toman su forma las prote¨ªnas ha sido uno de los problemas m¨¢s endiablados de la biolog¨ªa durante m¨¢s de medio siglo. La transcripci¨®n y traducci¨®n del ADN dentro de las c¨¦lulas produce una secuencia lineal de amino¨¢cidos ordenados en fila india. Pero en fracciones de segundo esa hilera se retuerce sobre s¨ª misma para formar estructuras tridimensionales perfectas capaces de abrazar, cortar, pegar, absorber, transmitir, producir. Nada en las secuencias bidimensionales de ADN ni de amino¨¢cidos resultantes permite predecir qu¨¦ forma tendr¨¢ la mol¨¦cula final; y es su forma lo que determina su funci¨®n. Calcular todas las formas posibles de una sola prote¨ªna con m¨¦todos convencionales podr¨ªa llevar m¨¢s de 13.700 millones de a?os, la edad del universo. Y en la naturaleza existen cientos de millones de prote¨ªnas distintas.

El verano pasado, AlphaFold, un sistema de inteligencia artificial desarrollado por Deepmind, una empresa propiedad de Google, resolvi¨® la forma de casi todas las prote¨ªnas conocidas: m¨¢s de 200 millones. El logro hist¨®rico fue posible gracias a sistemas de aprendizaje profundo. Estos conjuntos de algoritmos imitan el funcionamiento de las neuronas del cerebro humano. Aunque a¨²n est¨¢n lejos de igualar la capacidad de nuestro enc¨¦falo, son muy eficientes buscando patrones en enormes bases de datos. Gracias a estos sistemas, resolver la forma de una prote¨ªna se hace ahora en minutos, en lugar de a?os.

El laboratorio de David Baker en la Universidad de Washington (Estados Unidos) va un paso m¨¢s all¨¢. Ha desarrollado varios sistemas de inteligencia artificial abiertos que crean prote¨ªnas que nunca han existido en la naturaleza. El sistema RoseTTAFold y sus sucesores permiten dise?ar con una facilidad sin precedentes nuevas prote¨ªnas con funciones asombrosas, como bloquear todas las variantes de la covid o combatir enfermedades sin causa conocida, como la de Crohn o la fibrosis pulmonar idiop¨¢tica. Su equipo est¨¢ perfeccionando un sistema de herramientas para ¡°hablar una prote¨ªna¡±, es decir, describir su funci¨®n con la voz y que el ordenador aporte su secuencia completa. Tambi¨¦n persigue aportar solo parte de una prote¨ªna y que el sistema la autocomplete, como si fuera una b¨²squeda por Google.

Baker acaba de ganar el premio Fronteras Fundaci¨®n BBVA de Biomedicina junto a sus colegas de Deepmind Demis Hassabis y John Jumper. En esta entrevista, realizada por videoconferencia, habla sobre el enorme potencial de esta tecnolog¨ªa. Uno de sus objetivos m¨¢s alcanzables es crear un espray nasal que bloquee la entrada de la gripe, el virus sincitial, el coronavirus y otros pat¨®genos respiratorios invernales gracias a prote¨ªnas dise?adas con inteligencia artificial.

Pregunta. Usted dice que esta tecnolog¨ªa cambiar¨¢ m¨¢s el mundo que la Edad de Piedra o la Revoluci¨®n Industrial. ?Por qu¨¦?

Respuesta. Hasta hace poco, todas las prote¨ªnas que conoc¨ªamos eran las que la naturaleza ha creado durante miles de a?os de evoluci¨®n. Eran como un lenguaje ¨¦lfico que nos ven¨ªa dado. Hasta ahora, lo que hac¨ªamos era tomar esas prote¨ªnas antiguas y hacerles peque?as modificaciones para obtener nuevas funciones. Del mismo modo, los humanos cog¨ªan piedras y las afilaban a golpes; as¨ª se fabricaron las primeras herramientas de la Edad de Piedra. Ahora, por primera vez, podemos crear nuevas prote¨ªnas desde cero para que hagan exactamente lo que nosotros deseamos. Es una tecnolog¨ªa humana que nos lleva m¨¢s all¨¢ de las posibilidades de la biolog¨ªa.

P. ?Qu¨¦ aplicaciones va a tener?

R. Lo primero que vamos a ver es un impacto en la medicina, con medicamentos mejores y m¨¢s baratos. Hace unos siete a?os comenzamos a desarrollar una prote¨ªna con forma de icosaedro [un poliedro de 20 caras]. Su aspecto era muy parecido a la envoltura de muchos virus, pero era totalmente artificial. Mi colega Neil King le a?adi¨® el dominio de uni¨®n al receptor del coronavirus y result¨® que la mol¨¦cula causaba una potente inmunidad contra el virus real. Unos pocos a?os despu¨¦s, una de nuestras primeras prote¨ªnas ya se ha aprobado como vacuna de la covid y se usa en humanos en Corea, por ejemplo. Tambi¨¦n buscamos prote¨ªnas que mejoren los tratamientos contra el c¨¢ncer y otras que sean capaces de generar energ¨ªa solar o servir de nuevos materiales. Las posibilidades son casi infinitas.

Por primera vez, podemos crear nuevas prote¨ªnas desde cero para que hagan exactamente lo que nosotros deseamos

P. ?Cu¨¢l es el l¨ªmite de esta tecnolog¨ªa?

R. Una forma de conocer el l¨ªmite es tener en cuenta la evoluci¨®n. Todo de lo que son capaces los seres vivos de este planeta se debe a las prote¨ªnas. Y todas esas prote¨ªnas fueron creadas por puro azar en un proceso aleatorio de mutaci¨®n y selecci¨®n. Sin plan establecido. Ahora pensemos en que por primera vez las personas podemos dise?ar nuevas prote¨ªnas para resolver problemas a nuestro antojo. Las posibilidades van mucho m¨¢s all¨¢ de lo que podamos imaginar.

P. Su nuevo sistema puede dise?ar prote¨ªnas a la carta hablando con el ordenador. ?Se puede, por ejemplo, pedir una prote¨ªna que cure el alzh¨¦imer?

R. Podemos dar una descripci¨®n sencilla de un problema y los sistemas de aprendizaje profundo aportar¨¢n la secuencia de prote¨ªnas con esas propiedades. Pero el sistema a¨²n no es perfecto. Una vez dise?ada una nueva mol¨¦cula por ordenador, hay que crearla con m¨¦todos convencionales en el laboratorio y comprobar que tiene las propiedades deseadas. Lo novedoso es que ahora podemos servirnos de la naturaleza para agilizar este paso. Una vez que tenemos la secuencia de amino¨¢cidos de nuestra prote¨ªna, la codificamos en una secuencia de ADN, un gen sint¨¦tico, que despu¨¦s introducimos en una bacteria. Y esta bacteria se transforma b¨¢sicamente en nuestra f¨¢brica de prote¨ªna. ?Podemos dise?ar una prote¨ªna que cure el alzh¨¦imer? El problema es que no entendemos bien la causa de esta enfermedad. S¨ª que hemos creado mol¨¦culas que se unen a las fibrillas de prote¨ªnas patol¨®gicas que la caracterizan, pero no sabemos si son su causa. As¨ª que a¨²n queda un largo trabajo de prueba y error y esa es la parte complicada. El problema de dise?ar prote¨ªnas est¨¢ resuelto. El reto es saber formular el problema que queremos resolver. Necesitamos una hip¨®tesis molecular. Y para eso hay que comprender el origen de la enfermedad.

P. ?Cu¨¢nta fiabilidad tiene esta t¨¦cnica?

R. Depende del problema. Para una cuesti¨®n sencilla, la tasa de ¨¦xito es de un 75%. Es tan nueva que a¨²n estamos aprendiendo. En el caso de la gripe, hemos podido dise?ar prote¨ªnas y probarlas en cuesti¨®n de semanas, por ejemplo. Esto puede ser muy ¨²til en caso de que haya que reaccionar a una nueva pandemia. Pero con problemas m¨¢s complejos es a¨²n muy dif¨ªcil. Por ejemplo: degradar el pl¨¢stico. Es una cuesti¨®n tan amplia que a¨²n no sabemos abordarla bien.

P. Uno de sus objetivos es desarrollar un espray nasal que pudi¨¦ramos usar para protegernos de muchos virus respiratorios a la vez. ?Cu¨¢ndo cree que ser¨ªa posible tenerlo?

R. Depende, porque entran en juego factores econ¨®micos. Este tipo de f¨¢rmaco no ser¨ªa tan rentable para las farmac¨¦uticas, as¨ª que habr¨ªa que ver si alguna empresa, alg¨²n Gobierno o alguna organizaci¨®n sin ¨¢nimo de lucro querr¨ªa desarrollarlo. Es un problema muy frecuente en el campo de las enfermedades infecciosas. Pero, desde el punto de vista tecnol¨®gico, creo que este mismo a?o sabremos si estos espr¨¢is funcionan contra la covid. Y, si funcionan, es razonable que tambi¨¦n lo hagan contra otros virus respiratorios.

Si eres un malhechor, no necesitas dise?ar prote¨ªnas por inteligencia artificial, ya tienes disponibles las secuencias gen¨¦ticas del virus de la gripe de 1918

P. ?Ve alg¨²n peligro en esta tecnolog¨ªa?

R. La naturaleza ya ha perfeccionado sistemas para causar muerte y destrucci¨®n en una escala muy superior a la humana. Pensemos en la gripe de 1918, que era tremendamente letal y se transmit¨ªa con rapidez. Si eres un malhechor, realmente no necesitas dise?ar prote¨ªnas por inteligencia artificial porque ya tienes disponibles las secuencias gen¨¦ticas del virus mencionado, o del ¨¦bola, por ejemplo. Como con cualquier otra tecnolog¨ªa tan poderosa, tendremos que asegurarnos de que no se usa para mal, pero creo que el riesgo es reducido.

P. ?Ve alg¨²n motivo de preocupaci¨®n en que Deepmind sea propiedad de Google y que sean tan herm¨¦ticos sobre el trabajo que realizan?

R. Hay una gran diferencia entre mi laboratorio, que es totalmente abierto, recibimos visitantes de todo el mundo y compartimos la informaci¨®n, y una empresa como Deepmind, que es totalmente cerrada. Cuando Deepmind publicit¨® uno de sus grandes avances en este campo hace dos a?os hubo muchos comentarios apocal¨ªpticos de la comunidad cient¨ªfica, alertando de que a este paso las grandes compa?¨ªas tecnol¨®gicas ser¨ªan las ¨²nicas que dominasen esta tecnolog¨ªa. Creo que el hecho de que nosotros cre¨¢semos RoseTTAFold, un sistema abierto a todo el mundo, contribuy¨® a que Deepmind finalmente abriese tambi¨¦n sus sistemas al p¨²blico porque estoy seguro de que hab¨ªa gente dentro de la empresa que prefer¨ªa mantenerlos en secreto y sacar dinero con ellos. Deepmind sigue siendo muy herm¨¦tica y creo que esa asimetr¨ªa entre ellos y nosotros tendr¨¢ un coste. Solo en los ¨²ltimos d¨ªas aqu¨ª hemos tenido visitas de investigadores muy potentes en alzh¨¦imer, en sistemas de energ¨ªa solar y de desarrollo de nuevos f¨¢rmacos contra el c¨¢ncer. Ser un sistema abierto te aporta muchas m¨¢s ideas. El libre intercambio de informaci¨®n beneficia el avance de la ciencia.

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