La inteligencia artificial del laboratorio DeepMind ha dado un paso de gigante en la capacidad de predecir la forma de las proteínas a partir de su secuencia de aminoácidos. Poder hacerlo computacionalmente en lugar de determinarla a través de años de técnicas experimentales minuciosas, laboriosas y, a menudo, costosas, supone una revolución en distintos campos del conocimiento, en especial en la Biología.
La base de datos y el sistema de inteligencia artificial brindan a los biólogos estructurales nuevas y poderosas herramientas para examinar la estructura tridimensional de una proteína, y ofrecen un tesoro de datos que podrían desbloquear futuros avances y presagiar una nueva era para la biología habilitada por IA. La base de datos amplía drásticamente el conocimiento acumulado de las estructuras de proteínas, más del doble de la cantidad de estructuras de proteínas humanas de alta precisión disponibles para los investigadores. Avanzar en la comprensión de estos componentes básicos de la vida, que sustentan todos los procesos biológicos en todos los seres vivos, ayudará a que los investigadores de una gran variedad de campos aceleren su trabajo.
El bioquímico Pablo Tristán ofrece una clarificadora explicación sobre lo que puede suponer este avance. «Conociendo la estructura de las proteínas podemos diseñar fármacos que bloqueen su acción. ¿Seguro que conoces el ibuprofeno, ¿no? Pues tiene un efecto antiinflamatorio porque se une y bloquea a las ciclooxigenasas, proteínas que median la inflamación», señala en Twitter, al hilo de la noticia.
la solución al gran desafío de la biología
AlphaFold ya está siendo utilizada por socios como la Iniciativa de Medicamentos para Enfermedades Desatendidas (DNDi), que ha avanzado en su investigación sobre curas que salvan vidas para enfermedades que afectan de manera desproporcionada a las partes más pobres del mundo, y el Centro de Innovación Enzimática (CEI). utiliza AlphaFold para ayudar a diseñar enzimas más rápidas para reciclar algunos de nuestros plásticos de un solo uso más contaminantes.
Para aquellos científicos que confían en la determinación experimental de la estructura de las proteínas, las predicciones de AlphaFold han ayudado a acelerar su investigación. Por ejemplo, un equipo de la Universidad de Colorado en Boulder se ve prometedor al utilizar las predicciones de AlphaFold para estudiar la resistencia a los antibióticos, mientras que un grupo de la Universidad de California en San Francisco las ha utilizado para aumentar su comprensión de la biología del SARS-CoV-2 .
«Este trabajo computacional representa un avance asombroso en el problema del plegamiento de proteínas, un gran desafío de 50 años en biología», señala Venki Ramakrishnan, Premio Nobel de Química 2009.