DeepMind afirma que su herramienta AlphaFold ha sido capaz de predecir con éxito la estructura de casi todas las proteínas conocidas por la ciencia. Desde la semana pasada, el laboratorio de inteligencia artificial (IA), propiedad de Alphabet, ofrece a todos de forma gratuita su base de datos de más de 200 millones de proteínas.
Cuando DeepMind presentó AlphaFold en 2020, tomó por sorpresa a la comunidad científica. Los científicos llevaban décadas tratando de entender cómo se estructuraban las proteínas, que son esenciales para la vida; algo considerado como uno de los "grandes desafíos" de la biología. Comprender cómo se forman resulta crucial para saber cómo funcionan.
El año pasado, DeepMind lanzó el código fuente de AlphaFold y puso a disposición pública las estructuras de un millón de proteínas, incluidas casi todas las del cuerpo humano, en su base de datos de estructuras de proteínas AlphaFold. Esta base de datos se construyó en colaboración con el Laboratorio Europeo de Biología Molecular, un instituto público internacional de investigación que ya contaba con una gran base de datos de información sobre proteínas.
La última noticia es un gran impulso para esta base de datos. La actualización incluye las estructuras para "plantas, bacterias, animales y muchos otros organismos". "Esto abre enormes oportunidades para que AlphaFold tenga un impacto en muchos temas importantes como la sostenibilidad, el combustible, la inseguridad alimentaria y las enfermedades desatendidas", aseguró a los periodistas el fundador de DeepMind y su CEO, Demis Hassabis, en una videoconferencia de la semana pasada.
La base de datos ampliada podría servir como un recurso importante para los científicos, ayudándoles a comprender mejor las enfermedades. También podría acelerar la innovación en el descubrimiento de fármacos y la biología.
"AlphaFold es probablemente la mayor contribución de la comunidad de IA a la comunidad científica", asegura Jian Peng, profesor de informática especialista en biología computacional de la Universidad de Illinois.
Desde su lanzamiento en 2020, los investigadores ya han utilizado AlphaFold para comprender las proteínas que afectan la salud de las abejas y para desarrollar una vacuna eficaz contra la malaria.
La base de datos permite a los investigadores buscar estructuras de proteínas en 3D "casi tan fácilmente como una búsqueda de palabra clave en Google", según explicó Hassabis.
Predecir las estructuras de las proteínas lleva mucho tiempo, y tener una herramienta con 200 millones de estructuras de proteínas fácilmente disponibles ahorrará mucho tiempo a los investigadores, según indica Mohammed AlQuraishi, biólogo de sistemas de la Universidad de Columbia, quien no ha participado en esta investigación de DeepMind.
AlphaFold también podría ayudar a los científicos a revisar algunas investigaciones anteriores para comprender mejor cómo ocurren algunas enfermedades, apunta Peng.
No obstante, para muchas proteínas los científicos están interesados en entender cómo su estructura resulta alterada por mutaciones y variaciones alélicas naturales y esta base de datos de momento no aborda eso. "Sin embargo, este campo se está desarrollando rápidamente, sin duda. Así que yo espero que las herramientas para modelar con precisión las variantes de proteínas comiencen a aparecer pronto", señala AlQuraishi.
Por otra parte, la calidad de las predicciones de AlphaFold podría ser menos precisa para las proteínas más raras con menos información evolutiva disponible, advierte Peng.
AlphaFold es el último desarrollo en el impulso de DeepMind hacia la "biología digital", donde "la IA y los métodos computacionales ayudarán a comprender y modelar algunos procesos biológicos importantes", según afirmó Hassabis, quien asimismo dirige una nueva empresa, también propiedad de Alphabet, llamada Isomorphic Labs, centrada en el desarrollo de inteligencia artificial para el descubrimiento de fármacos.
Por su parte, Pushmeet Kohli, jefe de IA para la ciencia en DeepMind, ha añadido que la empresa tiene muchos desafíos en las ciencias de la vida que aún quiere abordar, entre ellos, la forma en la que se comportan las proteínas e interactúan con otras.
Hassabis concluyó su intervención ante la prensa señalando que su sueño era que la IA no solo pudiera ayudar a descubrir la estructura de las proteínas, sino que se convirtiera en una "parte importante del proceso de descubrimiento de nuevos medicamentos y curas".
Base de datos de estructuras de proteínas AlphaFold
https://alphafold.ebi.ac.uk/