¿PODEMOS DESARROLLAR NUEVOS FÁRMACOS GRACIAS A LA PREDICCIÓN DE LAS ESTRUCTURAS DE LAS DISTINTAS PROTEÍNAS?

 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. En la tercera semana de julio de este mismo año 2021, la compañía con sede en Londres (Reino Unido) publicó los detalles de esa herramienta y lanzó su código fuente.

La empresa anunció 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.

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. 

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.

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.

Fuente: MIT Technology Review