DeepMind descubre la estructura de 200 millones de proteínas en un salto científico | Mente profunda

La inteligencia artificial ha descifrado la estructura de prácticamente todas las proteínas conocidas por la ciencia, allanando el camino para el desarrollo de nuevos medicamentos o tecnologías para abordar desafíos globales como la hambruna o la contaminación.

Las proteínas son los componentes básicos de la vida. Formados a partir de cadenas de aminoácidos, plegados en formas complejas, su estructura 3D determina en gran medida su función. Una vez que sepa cómo se pliega una proteína, puede comenzar a comprender cómo funciona y cómo cambiar su comportamiento. Aunque el ADN proporciona las instrucciones para crear la cadena de aminoácidos, predecir cómo interactúan para formar una forma 3D era más complicado y, hasta hace poco, los científicos solo habían descifrado una fracción de los aproximadamente 200 millones de proteínas conocidas por la ciencia.

En noviembre de 2020, la IA Mente profunda anunció que ha desarrollado un programa llamado AlphaFold que puede predecir rápidamente esta información usando un algoritmo. Desde entonces, ha analizado los códigos genéticos de todos los organismos cuyo genoma ha sido secuenciado y ha predicho las estructuras de los cientos de millones de proteínas que contienen colectivamente.

El año pasado, DeepMind publicó las estructuras de proteínas de 20 especies, incluidas casi todas las 20.000 proteínas expresadas por humanos – apertura base de datos. Ahora ha terminado el trabajo y ha liberado las estructuras esperadas para más de 200 millones de proteínas.

“Básicamente, puedes pensar que cubre todo el universo de las proteínas. Incluye estructuras predictivas para plantas, bacterias, animales y muchos otros organismos, lo que abre enormes oportunidades nuevas para que AlphaFold impacte en temas importantes, como la sustentabilidad, la inseguridad alimentaria y las enfermedades desatendidas”, dijo Demis Hassabis, fundador y CEO de DeepMind.

Los científicos ya están utilizando algunas de sus predicciones anteriores para ayudar a desarrollar nuevos medicamentos. En mayo, investigadores dirigidos por el profesor Matthew Higgins de la Universidad de Oxford Anunciado habían utilizado los modelos de AlphaFold para ayudar a determinar la estructura de una proteína clave del parásito de la malaria y comprender dónde podrían unirse los anticuerpos que podrían bloquear la transmisión del parásito.

«Anteriormente, usamos una técnica llamada cristalografía de proteínas para descubrir cómo se veía esta molécula, pero debido a que es bastante dinámica y en movimiento, no pudimos hacerlo», dijo Higgins. “Cuando tomamos los modelos AlphaFold y los combinamos con esta prueba experimental, de repente todo tuvo sentido. Esta información se utilizará ahora para diseñar vacunas mejoradas que induzcan los anticuerpos bloqueadores de la transmisión más potentes”.

Los científicos del Centro de Innovación de Enzimas de la Universidad de Portsmouth también utilizan los modelos AlphaFold para identificar enzimas del mundo natural que podrían modificarse para digerir y reciclar plásticos. «Tomó mucho tiempo revisar esta enorme base de datos de estructuras, pero abrió toda una serie de nuevas formas tridimensionales que nunca antes habíamos visto que realmente podrían descomponer el plástico», dijo el profesor John McGeehan, quien dirige el trabajo. . “Hay un cambio de paradigma completo. Realmente podemos acelerar hacia dónde vamos desde aquí y eso nos ayuda a dirigir estos preciosos recursos hacia las cosas que importan».

Prof. Dame Janet Thornton, líder de grupo y científica sénior de European Molecular Biología El Instituto Europeo de Bioinformática del laboratorio dijo: “Las predicciones de la estructura de la proteína AlphaFold ya se están utilizando de muchas maneras. Espero que esta última actualización desate una avalancha de descubrimientos nuevos y emocionantes en los próximos meses y años, y todo esto es gracias al hecho de que los datos están disponibles públicamente para que todos los usen».