La Fundación BBVA reconoce a los científicos que han revolucionado el diseño de proteínas con inteligencia artificial

Gracias a las herramientas AlphaFold2, cuyos artífices son Hassabis y Jumper, y RoseTTAFold, impulsada por Baker, es posible conocer la estructura de casi todas las proteínas documentadas, tanto de humanos como de animales, plantas e incluso bacterias. Según Gonzalo Jiménez Osés, investigador principal del Grupo Computacional del CIC BioGUNE, con sede en Bilbao, los algoritmos de predicción se están empleando en el diseño de medicamentos, nuevos materiales, biocatalizadores y enzimas que no existen en la naturaleza. «Todo esto se está acelerando muchísimo, ya que estas herramientas son capaces no solo de predecir lo que más o menos existe, sino también salirse de esas fronteras de lo natural y diseñar nuevas estructuras que se han comprobado en el laboratorio y tienen las propiedades deseadas».

El jurado se ha decantado por la triada de científicos a la vista de «sus contribuciones al uso de la inteligencia artificial para la predicción exacta de la estructura tridimensional de las proteínas». Baker, catedrático de Bioquímica de la Universidad de Washington e investigador del Howard Hughes Medical Institute, es el creador del programa RoseTTAFold, mientras que Hassabis y Jumper son los autores de AlphaFold2. «Ambos métodos computacionales», explica el jurado, «están basados en una sofisticada técnica de aprendizaje automático denominada aprendizaje profundo». La citada tecnología predice la «forma de las proteínas con una precisión sin precedentes, similar a la de las estructuras determinadas experimentalmente, y a una velocidad excepcional».

El campo de investigación de Baker, Hassabi y Jumper se centra en el plegamiento de las proteínas, «un problema clave en biología desde hace décadas», explica Jiménez Osés. Muchas teorías ha tratado de explicar la razón de estos pliegues, para lo cual se ha recurrido a diversos métodos, desde la difracción de rayos X a la microscopía electrónica criogénica, procedimiento que han venido acompañados de la secuencia genética de proteínas. «El gran avance de estas herramientas es integrar todo este conocimiento en una red neuronal con un algoritmo de aprendizaje automático, muy sofisticado y muy potente que, de manera sumamente rápida y exacta, puede predecir la estructura de las proteínas haciendo uso de todo ese conocimiento previo», apunta el investigador del CIC BioGUNE.

«Este trascendental avance», asegura el acta, «está revolucionando el conocimiento de cómo la secuencia de aminoácidos de las proteínas origina estructuras tridimensionales ordenadas de forma única. Los científicos utilizan ahora estos nuevos métodos para predecir interacciones entre proteínas, diseñar proteínas completamente nuevas y encontrar nuevas dianas farmacológicas».

En el ADN de nuestras células residen todas las instrucciones que necesitamos para desarrollarnos, sobrevivir y reproducirnos. Pero las auténticas responsables de llevar a cabo estas funciones son las proteínas, y su estructura tridimensional juega un papel determinante en su misión.

Para averiguar la misión de una proteína no es suficiente con conocer la secuencia de ADN que la codifica, ni siquiera con identificar la secuencia de aminoácidos en la que se traduce la información genética. La disposición en el espacio que adopta la proteína cuando se pliega es crucial para saber cómo actúa, pero desentrañarla en el laboratorio es un proceso lento y sujeto a imprecisiones. De ahí la importancia la labor de los premiados. Porque adivinar esa ubicación a partir de su composición química es también una tarea compleja.

La comunidad científica asumía que iba a ser demasiado complicado entender cómo se pliegan las proteínas. «Si lo intentas deducir de los principios físicos que rigen en el proceso, necesitas una cantidad ingente de recursos computacionales para adivinar cuál es la forma más estable», aduce Dario Alessi, director de la Unidad de Fosforilación y Ubiquitinación de Proteínas-MRC en la Universidad de Dundee (Reino Unido) y vocal del jurado. «Sin embargo los premiados han desarrollado un 'atajo' utilizando la inteligencia artificial, con un método de aprendizaje profundo», arguye Alessi.

Gonzalo Jiménez no prevé que las técnicas experimentales vayan a ser sustituidas por la inteligencia artificial: «Es un complemento, una mejora sinérgica».

En una entrevista concedida poco después de conocer la noticia, John Jumper, uno de los premiados, apunta que «es muy difícil manejar la extraordinaria complejidad que se observa en una célula viva, pero de verdad, creo que con esta tecnología somos capaces de captar esa complejidad». Por su parte, Demis Hassabis informa de que más de un millón de investigadores han utilizado las estructuras predichas por AlphaFold en sus investigaciones. «Prácticamente todas las compañías farmacéuticas del mundo han utilizado AlphaFold en sus programas de descubrimiento de fármacos».

Además de pronosticar cómo se pliegan las proteínas que ocurren en la naturaleza, el programa RoseTTAFold, impulsado por David Baker, también ha demostrado ser muy útil para diseñar proteínas completamente nuevas a partir de una sencilla descripción de las funciones que se quiere que cumplan. Así, el programa permite obtener proteínas para bloquear desde proteínas del virus de la gripe o de la covid-19 hasta células cancerígenas, dos hitos que se han comprobado con éxito en el laboratorio.