DeepMind resuelve un problema importante en biología

“Hemos estado atrapados con este problema de plegamiento de proteínas durante casi 50 años, dice John Moult, profesor de biología celular en la Universidad de Maryland. Ver a DeepMind encontrar una solución, después de haber trabajado en él durante tanto tiempo, es un momento muy especial. " El campo de la biología está en auge hoy. AlphaFold, una inteligencia artificial desarrollada por el laboratorio DeepMind de Alphabet, la empresa matriz de Google, ha logrado predecir la forma de proteínas muy complejas con una precisión nunca antes alcanzada.

Es la forma la que produce la proteína.

Las proteínas son los componentes básicos de la vida. La hemoglobina permite, por ejemplo, transportar oxígeno (O2) en nuestra sangre. Además, las inmunoglobulinas de tipo G son lo que comúnmente se denominan anticuerpos. Estas proteínas, necesarias para nuestra vida y supervivencia, están codificadas a partir de los genes de nuestro ADN en forma de aminoácidos, entrelazados entre sí por enlaces peptídicos en una secuencia. Sin embargo, este último no es plano: según las leyes de la física molecular y la bioquímica, su complejidad le confiere una forma -llamada plegamiento- particular en varias hélices, láminas y codos. Es esta elaborada forma en 3D la que permite que una proteína realice correctamente su función y, por lo tanto, su propósito. Saberlo se reduce a comprender exactamente para qué sirve la proteína en cuestión y cómo usarla. - en particular, en el campo médico. Si bien conocer la secuencia simple de una proteína es relativamente fácil hoy en día, conocer con precisión cómo se comporta cada proteína en el espacio es extremadamente difícil. "El mayor desafío es el número astronómico de pliegues que una proteína puede adoptar en teoría, en comparación con la estructura 3D final que realmente puede tomar". atestiguan los ingenieros y científicos de DeepMind.

Predicciones cercanas a la realidad

Con esto en mente, investigadores como John Moult fundaron el CASP (para " Evaluación crítica de la predicción de la estructura de las proteínas“), Que invitan a bioquímicos y otros especialistas a colaborar cada dos años para determinar el plegamiento real de determinadas proteínas de interés, utilizando tecnologías informáticas. Luego, los expertos dan una puntuación de precisión al modelo predictivo establecido por la proteína, llamado GDT (o “Prueba de distancia global”, que corresponde de alguna manera a su porcentaje de conformidad con la realidad). Durante el CASP 14 de este año, la inteligencia artificial AlphaFold de DeepMind logró obtener un puntuación de 92,4 GDT para su modelo predictivo de la forma (hasta ahora indeterminada) de una proteína del coronavirus SARS-CoV-2, ORF8. En la prueba anterior de AlphaFold, en 2018, el modelo predictivo que dio para otra proteína solo obtuvo 60 GDT. Hoy, su nueva versión llega incluso para proteínas conocidas por ser extremadamente complejas para obtener, en promedio, un resultado de 87 GDT, por lo tanto, muy cercano a la realidad.

¿El secreto de AlphaFold? Podrá confiar en 128 procesadores especializados de Google o chips de aceleración de redes neuronales artificiales (NPU). Fueron entrenados para conocer las estructuras tridimensionales de 170.000 proteínas y las secuencias de un número aún mayor de otras proteínas conocidas y archivadas en bases de datos públicas. Sin embargo, para obtener más información, tendremos que esperar hasta que DeepMind decida publicar su trabajo en detalle.