Una inteligencia artificial predice la forma de los «bloques de construcción» de la vida



Las mejores noticias en Alicantur Noticias

Madrid

Actualizado:

El ADN humano mantiene el ‘manual de instrucciones‘de más de 20.000 proteínas, responsables de la mayoría de las funciones dentro de las células, como la replicación del material genético, la obtención de energía o la señalización de todas las vías esenciales para su funcionamiento. Los biólogos se esfuerzan por comprender sus estructuras, recreándolas en 3D de forma experimental. Sin embargo, solo logró ‘desentrañar’ un tercio, en muchos casos de manera incompleta. Ahora, una inteligencia artificial llamada AlphaFold puede predecir exactamente cómo son la mayoría de ellos. Para muchos, una herramienta que se postula como una revolución científica sin precedentes. Los resultados se acaban de publicar en la revista ‘
Naturaleza
‘.

AlphaFold – creado por la empresa mente profunda, empresa especializada en inteligencia artificial y que desde hace más de cinco años forma parte de Google– es capaz, solo leyendo las largas y complejas cadenas de moléculas de proteínas, compuestas por aminoácidos, para predecir su estructura. Algo como saber de antemano cómo será una receta con solo mirar los ingredientes. Hasta ahora esta tarea se realizaba con largos y costosos experimentos de laboratorio que podían durar días, incluso años. Pero AlphaFold puede haz tu trabajo en horas, incluso minutos. Hasta ahora, ha revelado más de 350.000 estructuras proteicas, duplicando todos los registros anteriores, así como poniéndolos a disposición y abiertos a toda la comunidad científica. Y sus creadores no tienen intención de detenerse: se han propuesto llegar a 130 millones a finales de este año.

“Esta es la mayor contribución que ha hecho un sistema de inteligencia artificial hasta ahora para avanzar en el conocimiento científico. No creo que sea una exageración decir eso «, dice. Demis Hassabis, cofundador y CEO de DeepMind, así como uno de los autores del estudio. Sin embargo, muchos, incluidos los investigadores, son cautelosos: fiabilidad de la previsión todavía no alcanzada 60%Por tanto, aunque es un gran avance, la tecnología aún tiene un largo camino por recorrer. «El hecho de que tengamos todos estos datos en esa escala es un paso increíble», dice. David Jones, biólogo computacional de UCL que recomendó una versión anterior de AlphaFold a DeepMind.

La importancia de cómo se pliegan las proteínas

DeepMind y su AlphaFold ya nos sorprendieron el año pasado cuando literalmente «aniquilaron» a todos sus competidores en un ejercicio de predicción de proteínas llamado CASP (Evaluación crítica de la predicción de la estructura de las proteínas). En esta competencia de dos años que tiene como objetivo «comparar» diferentes modelos bioinformáticos, AlphaFold pudo predecir la estructura tridimensional de las proteínas con un 92% de confiabilidad en minutos u horas, mientras que algunos de sus competidores incluso tardaron días. Pero es hora de que los avances y la tecnología detrás de esta inteligencia artificial se publiquen en una revista científica. Más,
todas las instalaciones son de código abierto a través del Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular (EMBL-EBI)
, con sede en Hinxton, Reino Unido.

En la actualidad, estos archivos contienen el 98,5% de todas las proteínas humanas conocidas, así como un nivel similar en otros organismos, como la mosca de la fruta, E. coli, ratón, pez cebra, el parásito de la malaria y la bacteria de la tuberculosis. En cuanto a confiabilidad, DeepMind indica que el 58% de sus previsiones para las posiciones individuales de los aminoácidos en los que eran suficientemente buenos para confiar forma de pliegues proteicos (Una de sus características más importantes es que su función depende de cómo se pliegan: sus propiedades fisicoquímicas hacen que adquieran una determinada estructura tridimensional, sin la cual pueden funcionar). Y, de ellos, el El 36% fueron tan precisos que sus características atómicas se pueden detallar., útil para el diseño de fármacos, por ejemplo. «Queremos darles a los experimentadores y biólogos una señal realmente clara sobre en qué partes de las predicciones confiar», dice. Kathryn Tunyasuvunakool, Ingeniero científico de DeepMind y primer autor de un artículo.

Pero, incluso si (todavía) no es 100% confiable, los investigadores creen que esta inteligencia artificial puede ofrecer información muy valiosa. Los biólogos creen que una gran proporción de proteínas humanas y las de otros eucariotas (organismos con células que tienen núcleo) contienen regiones que están intrínsecamente desordenadas y adquieren una estructura definida solo cuando se «fusionan» con otras moléculas. Y solo algunas de las regiones que AlphaFold ha predicho con menos confianza «coinciden con lo que los biólogos sospechan que están desordenadas», dice. Pushmeet Kohli, Jefe de Inteligencia Artificial para la Ciencia en DeepMind.

«Cambio de paradigma»

Por ahora, muchos científicos están de acuerdo en que la disponibilidad de tantas estructuras de proteínas ya puede indicar un «cambio de paradigma» en biología. «Todo lo que hagamos hoy que se base en una secuencia de proteínas, ahora lo podemos hacer con la estructura de las proteínas mismas», dice. Mohammed Al Quraishi, biólogo computacional de la Universidad de Columbia en Nueva York y experto en la materia.

En las palabras de Elizabeth blackburn, Premio Nobel de Fisiología o Medicina 2009 y Profesor Emérita de la Universidad de California en San Francisco: «A medida que este innovador enfoque DeepMind se vuelva accesible, se abrirán nuevas ventanas para la comunidad científica sobre el significado biológico de la secuencia del genoma». .

Míralos
Comentarios

.