En diciembre de 2020, DeepMind sorprendió al mundo de la biología cuando resolvió con AlphaFold, su herramienta de inteligencia artificial (IA) que predice la estructura de las proteínas, un gran desafío de 50 años. La semana pasada, la compañía con sede en Londres (Reino Unido) publicó los detalles de esa herramienta y lanzó su código fuente.

La empresa acaba de anunciar que ha utilizado su IA 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, la mosca de la fruta y los ratones. El avance podría permitir a los biólogos comprender mejor las enfermedades y desarrollar nuevos medicamentos.

Hasta ahora, el tesoro consta de 350.000 estructuras de proteínas. DeepMind asegura que predecirá y publicará las estructuras de más de 100 millones más en los próximos meses, más o menos todas las proteínas conocidas por la ciencia.

El cofundador y CEO de DeepMind, Demis Hassabis, afirma: "El plegamiento de proteínas es un problema que he estado siguiendo durante más de 20 años. Ha sido un enorme proyecto para nosotros. Diría que esto es lo más grande que hemos hecho hasta ahora. Y es el proyecto más emocionante en cierto modo, porque debería tener el mayor impacto en el mundo fuera de la IA".

Las proteínas están formadas por largas cintas de aminoácidos, que se retuercen en complicados nudos. Conocer la forma del nudo de una proteína puede revelar qué función tiene esa proteína, lo que es crucial para comprender cómo funcionan las enfermedades y para desarrollar nuevos medicamentos, o identificar los organismos que podrían ayudar a combatir la contaminación y el cambio climático. Descubrir la forma de una proteína lleva semanas o meses de trabajo en el laboratorio; AlphaFold puede predecir formas hasta llegar al átomo más pequeño en uno o dos días.

La nueva base de datos debería facilitar aún más la vida a los biólogos. AlphaFold podría estar disponible para que la usen los investigadores, pero no todos querrán ejecutar el software por sí mismos. "Es mucho más fácil tomar una estructura de la base de datos que ejecutarla en tu propio ordenador", resalta el científico del Instituto de Diseño de Proteínas de la Universidad de Washington (EE. UU.) David Baker, cuyo laboratorio ha creado su propia herramienta para predecir la estructura de las proteínas, RoseTTAFold, basada en el enfoque de AlphaFold.

En los últimos meses, el equipo de Baker ha trabajado con los biólogos que antes no conseguían averiguar la forma de las proteínas que estaban estudiando. "Hay una gran cantidad de investigaciones biológicas bastante interesantes que se han acelerado mucho", señala. Una base de datos pública que contenga centenares de miles de formas de proteínas listas para usar debería ser un acelerador aún mayor.

"Parece asombrosamente impresionante", opina el biólogo sintético del Imperial College de Londres Tom Ellis, que estudia el genoma de la levadura y está ilusionado por probar la base de datos. Pero advierte que la mayoría de las formas predichas aún no se han verificado en el laboratorio.

Precisión atómica

En la nueva versión de AlphaFold, las predicciones vienen con un cálculo de confianza que la herramienta usa para marcar lo cerca de la realidad que cree que está cada forma predicha. De esa manera, DeepMind descubrió que AlphaFold predijo formas para el 36 % de las proteínas humanas con una precisión que es correcta hasta el nivel de los átomos individuales. Esto es suficientemente bueno para el desarrollo de fármacos, considera Hassabis.

Anteriormente, 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 son tan precisas como afirma DeepMind, la herramienta ha más que duplicado este número en solo unas pocas semanas.

Incluso las predicciones que no son completamente exactas a nivel atómico siguen siendo útiles. Para más de la mitad de las proteínas del cuerpo humano, AlphaFold ha predicho una forma que debería ser lo suficientemente buena para que los investigadores descubran la función de la proteína. El resto de las predicciones actuales de AlphaFold son incorrectas o corresponden a la tercera parte de las proteínas del cuerpo humano que no tienen estructura alguna hasta que se unen a otras. "Son flexibles", explica Hassabis.

"El hecho de que se pueda aplicar a este nivel de calidad es impresionante", destaca el biólogo de sistemas de la Universidad de Columbia (EE. UU.) Mohammed AlQuraish, que ha desarrollado su propio software para predecir la estructura de las proteínas. También señala que tener estructuras para la mayoría de las proteínas en un organismo permitirá estudiar cómo funcionan estas proteínas como un sistema, no solo de forma aislada. "Eso es lo que me parece más fascinante", resalta.

DeepMind está lanzando sus herramientas y predicciones de forma gratuita y no quiere aclarar si tiene planes para ganar dinero con ellas en el futuro. Sin embargo, tampoco descarta esa posibilidad. Para configurar y ejecutar la base de datos, DeepMind se ha asociado con el Laboratorio Europeo de Biología Molecular, una institución internacional de investigación que ya alberga una gran base de datos de información sobre proteínas.

Por ahora, AlQuraishi tiene muchas ganas de ver qué hacen los investigadores con los nuevos datos. "Es bastante espectacular", concluye. "No creo que ninguno de nosotros pensara que estaríamos aquí tan pronto. Es alucinante".