ALPHAFOLD, el sistema de IA que acelera la creación de nuevos medicamentos basados en proteínas genéticamente modificadas

Las células de nuestro cuerpo dependen de las proteínas para realizar muchas tareas diferentes, incluida la digestión de nuestros alimentos, la contracción de nuestros músculos y la transmisión de señales entre neuronas dentro de nuestro cerebro. Las proteínas están formadas por bloques de construcción llamados aminoácidos que están unidos entre sí en un orden particular. El orden de los aminoácidos es único para cada proteína y está especificado por nuestro ADN. Para que las proteínas realicen sus funciones, deben plegarse en una forma tridimensional en la que algunos aminoácidos que están alejados entre sí en secuencia lineal se acercan cuando la proteína adopta su forma final. El proceso por el cual una proteína pasa de ser una cuerda lineal a una estructura tridimensional se llama plegamiento de proteínas.

Durante muchos años los científicos han trabajado para comprender cómo se pliegan las proteínas en sus estructuras a partir de su secuencia de aminoácidos. Si esto se pudiera hacer, podríamos comprender mejor las funciones que realizan las proteínas dentro de las células, aprender cómo las mutaciones causan enfermedades e identificar más fácilmente medicamentos que puedan interactuar con las proteínas y, por lo tanto, tratar enfermedades.

A lo largo de los años, los científicos han trabajado para determinar secuencias y estructuras de proteínas. Este ha sido un proceso lento, costoso y laborioso, que ha podido revelar la estructura de sólo una mera fracción de las proteínas conocidas. A partir de este trabajo, los científicos han aprendido que las proteínas con secuencias similares de aminoácidos adoptan estructuras plegadas similares, lo que refuerza la idea de que existe un código que relaciona la secuencia de proteínas con la estructura.

Las proteínas desempeñan un papel fundamental en numerosas enfermedades, desde el Alzheimer hasta el cáncer, pasando por errores congénitos del metabolismo y fibrosis quística. Comprender cómo se pliegan y se estructuran las proteínas es esencial para desarrollar tratamientos efectivos. Hasta ahora, esta tarea ha sido un desafío monumental, ya que los métodos convencionales para determinar estructuras de proteínas son costosos y requieren mucho tiempo.

En 1994 se lanzó una competencia comunitaria llamada CASP (que significa Evaluación Crítica de Predicción de Estructura) para identificar los algoritmos que pudieran predecir con mayor precisión la estructura de las proteínas a partir de la secuencia de las proteínas. En cada competición anual, los científicos reciben secuencias de proteínas de prueba cuyas estructuras se desconocen y se les desafía a utilizar métodos informáticos para predecir sus estructuras. Mientras se desarrolla la competencia, otros científicos utilizan enfoques experimentales para determinar las estructuras de estas proteínas de prueba. El ganador es el científico o grupo que pueda predecir con mayor precisión las estructuras de las proteínas a partir de secuencias de proteínas. 

Durante décadas, los científicos han logrado avances constantes. Pero en la competencia CASP 2020, todo eso cambió. El grupo de Google DeepMind dirigido por John Jumper y Demis Hassabis generó predicciones estructurales que fueron varias veces mejores que las de los otros grupos de la competencia. De hecho, muchas de las predicciones de DeepMind tenían una precisión comparable a las determinadas mediante métodos experimentales. Después de 30 años de competiciones, los jueces que evaluaron las predicciones del modelo declararon resuelto el problema: la mayoría de las estructuras de las proteínas se pueden predecir a partir de sus secuencias.

El equipo dirigido por Jumper y Hassabis utilizó su modelo AlphaFold para predecir estructuras de más de 200 millones de secuencias de proteínas, lo que ya está cambiando la práctica de la biología en los laboratorios de todo el mundo.

AlphaFold ya se está utilizando para acelerar la creación de nuevos medicamentos y para el diseño de proteínas genéticamente modificadas. Además, su capacidad para modelar estructuras previamente desconocidas está permitiendo a los científicos explorar nuevas fronteras en la investigación de proteínas. Aunque aún hay desafíos por resolver, como el modelado de proteínas mutantes, AlphaFold representa un punto de partida crucial para avanzar en estos procesos específicos.

Este avance demuestra cómo la inteligencia artificial está revolucionando la investigación biomédica y ofrece esperanzas de descubrimientos más rápidos y efectivos en el campo de la biomedicina. BioEconomia.info seguirá de cerca este emocionante desarrollo y proporcionará actualizaciones a medida que se produzcan nuevos avances.
 

Bioeconomia.info