 |
La estructura de seis proteinas: Izq-Der Arriba: P9WIF5 M. tuberculosis, A0A143ZZK9 Parásito de Malaria, P39180 E. coli; Izq-Der Abajo: Q11182 Gusano Nematodo, Q10303 Levadura de Fisión, Q9VZS7 Mosca de la Fruta. Imagen: DeepMind |
En 1957, un bioquímico y cristalógrafo llamado John Kendrew se convirtió en la primera persona en determinar la estructura 3D de una proteína. Descifrar esa estructura, la de la mioglobina, la proteína responsable del suministro de oxígeno a nuestros músculos, le llevó más de dos décadas de ardua investigación, y fue un descubrimiento tan significativo que más tarde le valdría el Premio Nobel.
En 2022, la inteligencia artificial AlphaFold de DeepMind acaba de predecir las estructuras de 200 millones más.
“Esencialmente, puede pensar que cubre todo el universo de proteínas”, dijo a The Guardian Demis Hassabis, fundador y director ejecutivo de DeepMind. “Incluye estructuras predictivas para plantas, bacterias, animales y muchos otros organismos, lo que abre nuevas y enormes oportunidades para… cuestiones importantes, como la sostenibilidad, la inseguridad alimentaria y las enfermedades desatendidas”.
Es difícil exagerar lo importante que es esto: las proteínas son los componentes básicos de la vida y determinan todos los procesos biológicos que ocurren, desde impulsar la vida misma hasta causar (y tal vez curar) los cánceres. Pero hasta ahora, hemos entendido correctamente solo una pequeña fracción de una fracción de ellos, y los métodos experimentales actuales han determinado solo 190,000 estructuras de proteínas.
Eso puede parecer mucho en general, pero es el equivalente a una estructura de proteína conocida por cada 999 desconocidas. El problema es que, si bien es lo suficientemente simple en esta era moderna secuenciar el ADN de una proteína (aprendiendo así la cadena de aminoácidos que la compone), es la estructura 3D la que determina la función real de la proteína. Podrías pensar que es como un origami diminuto y súper complicado, excepto que todo lo que te han dado es una hoja de papel y la información de que si doblas bien, deberías terminar con algún tipo de pájaro.
“Determinar la estructura 3D de una proteína solía tomar muchos meses o años”, dijo en un comunicado Eric Topol, fundador y director del Scripps Research Translational Institute. Pero en noviembre de 2020, la empresa de inteligencia artificial DeepMind lanzó AlphaFold: un programa que podía predecir rápidamente esta información mediante un algoritmo.
Encontrar esas estructuras “ahora toma unos segundos”, dijo Topol. "Y con esta nueva incorporación de estructuras que iluminan casi todo el universo de proteínas, podemos esperar que se resuelvan más misterios biológicos cada día".
AlphaFold ya ha demostrado su valía en el campo: el año pasado, DeepMind publicó sus predicciones para las estructuras de casi todas las proteínas humanas, las 20.000 de ellas. Esa base de datos “se convirtió en una herramienta esencial para la investigación biofarmacéutica casi de la noche a la mañana”, dijo Rosana Kapeller, presidenta y directora ejecutiva de la empresa de biotecnología ROME Therapeutics, en un comunicado.
 |
| Predecir la estructura de las proteínas es uno de los grandes retos de la biología. Foto: Deepmind |
“Nos permite predecir estructuras de proteínas en áreas del genoma oscuro que nunca antes se habían resuelto”, explicó. “La velocidad y la precisión de AlphaFold están acelerando el proceso de descubrimiento de fármacos, y solo estamos comenzando a darnos cuenta de su impacto en la obtención de nuevos medicamentos para los pacientes con mayor rapidez”.
Pero con este último anuncio, AlphaFold está ampliando el número de estructuras proteicas conocidas o predichas en más de 200 veces. La actualización incluye estructuras predichas para plantas, bacterias, animales y otros organismos; de hecho, casi todas las proteínas conocidas por la ciencia.
“Como alguien que ha estado en genómica y biología computacional desde la década de 1990, he visto muchos de estos momentos en los que puedes sentir el paisaje cambiando debajo de ti y la provisión de nuevos recursos, y este ha sido uno de los más rápidos”, Ewan. Birney le dijo a New Scientist. “Quiero decir, hace dos años, simplemente no nos dimos cuenta de que esto era factible”.
Birney es Director General Adjunto del Laboratorio Europeo de Biología Molecular, o EMBL, y Director Adjunto de EMBL-EBI, el Instituto Europeo de Bioinformática del EMBL (EMBL-EBI). En colaboración con DeepMind, el Instituto ha creado una base de datos de búsqueda gratuita de las predicciones de AlphaFold, a la que han accedido más de medio millón de investigadores de todo el mundo en el año transcurrido desde su lanzamiento.
La disponibilidad de tantas estructuras proteicas nuevas es una gran noticia para los científicos en activo de innumerables disciplinas. “Ha sido muy inspirador ver las innumerables formas en que la comunidad de investigación ha tomado AlphaFold”, dijo Demis Hassabis en un comunicado.
“[Lo están] usando para todo, desde comprender enfermedades hasta proteger a las abejas melíferas, descifrar acertijos biológicos y profundizar en los orígenes de la vida misma”.
Pero como ocurre con tantos avances científicos, es probable que el anuncio abra tantas preguntas como las que ha respondido, si no más. Las estructuras en la base de datos hasta ahora han resultado ser bastante precisas, pero son solo predicciones y se basan solo en estructuras ya determinadas. Más concretamente, el algoritmo aún no puede decirnos nada sobre las interacciones entre las proteínas, o descubrir cómo se pliegan en lugar de solo su estructura final.
“Una vez que descubres una cosa, surgen más problemas”, dijo a New Scientist Keith Willison, presidente de biología química en el Imperial College de Londres.
"En realidad, es bastante aterrador lo complicada que es la biología".
Fuente: https://www.iflscience.com/a-gift-to-humanity-alphafold-ai-predicts-structure-of-almost-every-protein-known-to-science-64668