Extraido de Irene Hartmann en Clarin 5 de Agosto de 2022
La novedad viene de Alphabet, compañía matriz de Google, pero, más específicamente, de la sección de la empresa dedicada a la inteligencia artificial: DeepMind, la misma que en su momento diseñó AlphaZero, el algoritmo que hace años viene dándoles una paliza a los campeones mundiales del juego chino Go, y que ahora se pone en el tapete noticioso con un obsesivo programa de modelaje de proteínas: AlphaFold.
Las proteínas son todo. Están detrás de los genes (la huella digital celular), como el “edificio” que los dota de materialidad. Por algo los científicos suelen decir que los genes se traducen o se codifican en proteínas.
Su importancia científica es incuestionable. El problema es que no es posible avanzar sobre ellas sin conocer la función que les fue asignada. Y entender la función depende de comprender la propia estructura de las proteínas.
El alcance de un algoritmo capaz de predecir la forma de cada proteína, una especie de origami compuesto por cadenas de aminoácidos, es mayúsculo.
Proteínas hasta en la sopa
Sea para dilucidar la acción nutricional de las proteínas de un churrasco como para entender el efecto terapéutico de una droga contra una proteína cerebral alterada que produce Alzheimer en un paciente; o para comprender los cambios de la vedette del SARS-CoV-2, la famosa proteína Spike, a los científicos les es indispensable reconstruir la estructura tridimensional que les da existencia a estas moléculas.
Para desarrollar el algoritmo AlphaFold, Google se basó en 21 genomas de distintas especies, información que le proveyó una institución con la que debió aliarse, el European Bioinformatics Institute (EMBL-EBI)
Todo lo anterior sale de las pacientes explicaciones de dos expertos en estos temas. Por un lado, Javier Santos, doctor en Ciencias Biológicas, investigador principal del Conicet y profesor adjunto del departamento de Química Biológica de Exactas de la UBA, que trabaja en el desafío de “intentar establecer relaciones entre conformación-dinámica-estabilidad-función biológica” de las proteínas involucradas en una enfermedad neurológica llamada Ataxia de Friedreich.
Además, desde Suiza, Luciano Abriata, biotecnólogo y doctor en Química por la Universidad de Rosario, que trabaja en un laboratorio de modelado biomolecular y en el estudio de estructuras y producción de proteínas en una sección del Instituto Federal Suizo de Tecnología, en Lausana. “Trabajo en realidad virtual, haciendo modelado para entender cómo funciona la vida, pero a nivel atómico”, resumió.
Aminoácidos detrás de las proteínas
Para entender lo del plegado tipo origami que define a las proteínas, Santos aclaró que “están compuestas por cadenas que combinan, de distinto modo, 20 aminoácidos. Algunas son pequeñas, con entre 50 y 100 aminoácidos, y otras son enormes, con 1.000 a 1.500, o incluso más”.
El logro de AlphaFold es que el algoritmo que desarrollaron “permite predecir la estructura específica a partir de esas secuencias de aminoácidos de manera extremadamente precisa”.
Tan precisa, detalló Abriata, que “AlphaFold se ofrece no solo como un gran predictor de las estructuras sino que suma una métrica que indica cuán buena es la predicción. Y cuando no hay tanta certeza, lo marcan”.
Según un artículo de la revista Nature, alrededor del 35% de los más de 214 millones de predicciones que ofrece la base de datos “se consideran altamente precisas, lo que significa que son tan buenas como las estructuras determinadas experimentalmente. Otro 45% se consideran lo suficientemente precisas para muchas aplicaciones”.
ver nota completa en https://www.clarin.com/sociedad/golazo-google-algoritmo-resolvio-problema-central-ciencia_0_oZy3eklUhI.html