Una inteligencia artificial de Google predice la estructura de casi todas las proteínas conocidas y cambia la ciencia

Las proteínas son los componentes básicos de la vida. Formadas por cadenas de aminoácidos, se pliegan en formas complejas, una estructura 3D que determina en gran medida su función. Conocer cómo se pliega una proteína permite empezar a comprender cómo funciona y cómo se comporta, lo que ha supuesto uno de los grandes desafíos de la biología desde hace más de cincuenta años.

El año pasado, DeepMind sorprendió a la comunidad científica al lanzar el código de AlphaFold. Las estructuras de un millón de proteínas, incluidas casi todas las proteínas del cuerpo humano, estaban disponibles en su base de datos, construida junto con el Laboratorio Europeo de Biología Molecular (EMBL), un instituto de investigación internacional.

El hallazgo cambió para siempre la biología y la medicina. En cuestión de minutos y con gran precisión, los investigadores podían obtener información muy relevante sobre, por ejemplo, las proteínas involucradas en distintas enfermedades. El trabajo fue reconocido por la prestigiosa revista 'Science' como la investigación científica más importante del año.

La nueva actualización con 200 millones de proteínas, un acelerón importante desde el millón inicial, incluye estructuras para «plantas, bacterias, animales y muchos, muchos otros organismos, lo que abre enormes oportunidades para que AlphaFold tenga un impacto en cuestiones importantes como la sostenibilidad, el combustible, la inseguridad alimentaria y las enfermedades desatendidas», dice el británico Demis Hassabis, fundador y CEO de DeepMind, una de las mayores compañías de investigación en inteligencia artificial del mundo. Premiado este año con el Princesa de Asturias de Investigación Científica y Técnica, Hassabis, que fue un niño prodigio del ajedrez y diseñador de juegos de ordenador, cree que los científicos podrían usar los hallazgos para comprender mejor las enfermedades y acelerar la innovación en el descubrimiento de fármacos y la biología.

Desde su lanzamiento en 2020, más de 500.000 investigadores de 190 países han accedido a AlphaFold para ver más de 2 millones de estructuras. Lo han utilizado, entre otras cosas, para comprender las proteínas que afectan la salud de las abejas y desarrollar una vacuna eficaz contra la malaria. En mayo, investigadores dirigidos por la Universidad de Oxford anunciaron que habían utilizado este algoritmo para ayudar a determinar la estructura de una proteína clave del parásito de la malaria y averiguar dónde era probable que se unieran los anticuerpos que podrían bloquear la transmisión del parásito.

Otro uso exitoso de AlphaFold permitió armar el complejo del poro nuclear, uno de los rompecabezas más diabólicos de la biología. La estructura consta de cientos de partes de proteínas y controla todo lo que entra y sale del núcleo celular. También se ha empleado para acercarse a enfermedades como la leishmaniosis y la enfermedad de Chagas, que afectan de manera desproporcionada a las personas en las partes más pobres del mundo, o la lepra y la esquistosomiasis, una enfermedad aguda y crónica causada por gusanos parásitos, que devastan la vida de más de mil millones de personas en todo el mundo.

La herramienta ahorrará mucho tiempo a los investigadores, ya que predecir las estructuras de las proteínas es un trabajo arduo. «AlphaFold es el avance singular y trascendental en las ciencias de la vida que demuestra el poder de la IA. Determinar la estructura 3D de una proteína solía llevar muchos meses o años, ahora lleva segundos», señala Eric Topol, fundador y director del Instituto de Investigación Scripps. Hassabis lo compara a algo tan sencillo como hacer búsquedas en Google.

Para Jesús Pérez Gil, catedrático de Biología y Bioquímica Molecular en la Universidad Complutense de Madrid, las predicciones de AlphaFold suponen "un cambio enorme" en las capacidades de investigación. La fiabilidad de la inteligencia artificial "ha sido espectacular hasta ahora, mucho mejor de lo que podría imaginarse. Es increíble que muchas de estas estructuras se parezcan tanto cuando se han visto experimentalmente", admite. El investigador recuerda que se trata de simulaciones, y que todas ellas deben confirmarse con estudios experimentales. El siguiente paso consistiría no solo en conocer la estructura de las proteínas, sino en desentrañar cómo cambian cuando interaccionan unas con otras o con otros elementos moleculares.

"Las proteínas son las que hacen la mayoría de las funciones en las células y tejidos. Conocer cómo se forman y cómo se comportan cuando interaccionan entre sí o con otras moléculas nos permitirá elaborar dianas terapéuticas para buscar fármacos, desarrollar aplicaciones biotecnológicas o mejorar la industria alimentaria, los procesos industriales o la sostenibilidad ambiental", indica Pérez Gil.