su IA podría predecir la estructura de todas las proteínas conocidas

En diciembre de 2020, DeepMind sorprendió al mundo de la biología al resolver un desafío masivo de 50 años con AlphaFold, una IA que predice la estructura de las proteínas. La semana pasada, la empresa con sede en Londres dio a conocer todos los detalles de la herramienta y su código fuente. La compañía anunció recientemente que utilizó su inteligencia artificial para predecir las formas de casi todas las proteínas del cuerpo humano, así como las formas de cientos de miles de otras proteínas que se encuentran en 20 de los organismos más estudiados, incluida la levadura. y ratas.

Este descubrimiento podría permitir a los biólogos de todo el mundo comprender mejor las enfermedades y desarrollar nuevos fármacos. Hasta ahora, la base de datos consta de 350.000 nuevas estructuras proteicas previstas. Se espera que DeepMind prediga y publique las estructuras de más de 100 millones de proteínas adicionales en los próximos meses, casi todas las proteínas conocidas por la ciencia.

« El plegamiento de proteínas ha sido un problema que he estado monitoreando durante más de 20 años. Ha sido un gran proyecto para nosotros. Diría que este es nuestro mayor logro hasta ahora. Y eso es lo más emocionante en cierto modo, porque se espera que tenga el mayor impacto en el mundo fuera de la IA. Dice Demis Hassabis, cofundador y CEO de DeepMind.

Una herramienta de predicción esencial para la investigación

Las proteínas están formadas por largas cadenas de aminoácidos, que se retuercen en intrincados nudos. Conocer la forma del nudo de una proteína puede revelar qué hace la proteína, lo cual es crucial para comprender cómo funciona la enfermedad y desarrollar nuevos medicamentos, o identificar organismos que pueden ayudar a combatir la enfermedad. contaminación y cambio climático. Determinar la forma de una proteína lleva semanas o meses en el laboratorio. AlphaFold puede predecir formas al átomo más cercano en uno o dos días.

La nueva base de datos debería facilitar aún más la vida a los biólogos. AlphaFold puede estar disponible para los investigadores, pero no todos podrán ejecutar el software por sí mismos. » Es mucho más fácil recuperar la estructura de una base de datos que ejecutarla en su propia computadora Explica David Baker, del Instituto de Diseño de Proteínas de la Universidad de Washington, cuyo laboratorio ha desarrollado su propia herramienta para predecir la estructura de las proteínas, llamada RoseTTAFold, basada en el enfoque AlphaFold.

Durante los últimos meses, el equipo de Baker ha trabajado con biólogos que anteriormente intentaban averiguar la forma de las proteínas que estaban estudiando. » Hay mucha investigación biológica muy interesante que realmente se ha acelerado. Dice Baker. Una base de datos pública de cientos de miles de formas de proteínas listas para usar debería ser un acelerador aún mayor. Parece sorprendentemente impresionante, según Tom Ellis, biólogo sintético del Imperial College de Londres. Pero advierte que la mayoría de las formas predichas aún no se han verificado en el laboratorio.

Precisión de escala atómica

En la nueva versión de AlphaFold, las predicciones vienen con una puntuación de confianza que la herramienta usa para indicar qué tan cerca considera cada forma predicha. Usando esta medición, DeepMind descubrió que AlphaFold predijo las formas del 36% de las proteínas humanas con la precisión correcta hasta el nivel de átomos individuales. Se necesita suficiente para el desarrollo de fármacos, dice Hassabis. Antes, después de décadas de trabajo, solo el 17% de las proteínas del cuerpo humano tenían sus estructuras identificadas en el laboratorio.

Si las predicciones de AlphaFold fueran tan precisas como las afirmaciones de DeepMind, la herramienta habría más que duplicado ese número en solo unas pocas semanas. Incluso las predicciones que no son del todo precisas a nivel atómico siguen siendo útiles. Para más de la mitad de las proteínas del cuerpo humano, AlphaFold predijo una forma que debería ser lo suficientemente buena para que los investigadores comprendan la función de la proteína. El resto de las predicciones actuales de AlphaFold son incorrectas o se refieren a un tercio de las proteínas del cuerpo humano que no tienen estructura hasta que se unen entre sí.

« El hecho de que se pueda aplicar a este nivel de calidad es impresionante. Dice Mohammed AlQuraish, biólogo de sistemas de la Universidad de Columbia, que desarrolló su propio software para predecir la estructura de las proteínas. También señala que tener estructuras para la mayoría de las proteínas en un organismo nos permitirá estudiar cómo funcionan estas proteínas como un sistema, no solo de forma aislada. » Esto es lo que me parece más emocionante. ».

Orígenes: Naturaleza