El premio Nobel que reveló los secretos de la vida: el poder de la IA

Las herramientas de inteligencia artificial están revolucionando el campo de la biotecnología y la medicina, superando las barreras de la evolución natural y expandiendo las posibilidades en el diseño de proteínas.

Los ganadores del Premio Nobel de Química, Hassabis, Jumper y Baker, han demostrado que el aprendizaje automático (Machine Learning) es más que una herramienta computacional; es un soporte fundamental para el avance de la biología y la medicina. Al enfrentar algunos de los desafíos más complejos de la biología, estos científicos han allanado el camino para nuevos avances en la creación de fármacos, medicina personalizada y la comprensión de la bioquímica esencial.

Así, la generación de proteínas personalizadas promete acelerar el desarrollo de nuevos medicamentos, materiales sostenibles y biosensores de última generación.

Los Premios Nobel de Física y Química de 2024 destacan la emocionante intersección entre disciplinas, evidenciando cómo los avances computacionales son clave para desvelar misterios científicos complejos. Los físicos han establecido las bases teóricas para el aprendizaje automático, mientras que los químicos han utilizado esta tecnología para explorar los secretos de la vida a escala molecular.

En particular, los nuevos laureados en Química han sido premiados por emplear el aprendizaje automático en la comprensión del enigma del plegamiento proteico.

Máquinas moleculares de la vida

Músculos, enzimas, hormonas y muchas otras estructuras vitales están compuestos por proteínas. Las proteínas son las máquinas moleculares de la vida, esenciales para todas las funciones de nuestro organismo. La estructura tridimensional de una proteína es como un mapa que determina su función en el organismo.

Su estructura es similar a un rompecabezas en tres dimensiones, donde cada aminoácido se ensambla en la posición óptima para reducir la energía del sistema. Este juego de atracciones y repulsiones entre regiones de la proteína conduce a un meticuloso proceso de plegamiento, que forma una estructura tridimensional característica.

En 1972, Christian Anfinsen recibió el Premio Nobel de Química por un descubrimiento fundamental: la secuencia de aminoácidos de una proteína es como un código que determina su forma tridimensional única. En otras palabras, la información necesaria para que una proteína adopte su forma está contenida en la secuencia de aminoácidos que la componen. Un plegamiento incorrecto de las proteínas, debido a cambios en esta secuencia u otros factores, puede dar lugar a diversas enfermedades, como el Alzheimer, la fibrosis quística o la diabetes.

Durante décadas, uno de los retos más significativos en la biología ha sido predecir cómo una cadena lineal de aminoácidos se pliega en una estructura tridimensional tan compleja. Aunque hoy en día podemos predecir con gran precisión estas estructuras, aún desconocemos muchos de los detalles moleculares que gobiernan este proceso. Entonces, ¿cómo logra una proteína alcanzar su forma en cuestión de microsegundos?

Para comprender cómo funcionan las proteínas y evitar su plegamiento incorrecto, los científicos necesitaban un método para predecir su estructura tridimensional. En 2003, David Baker, desarrolló Rosetta, un software que marcó un punto de inflexión al permitir a los científicos diseñar proteínas “a la carta”, es decir, modelar proteínas con propiedades específicas.

Sin embargo, aunque Rosetta fue un gran avance, los cálculos eran complejos y las estructuras diseñadas eran relativamente simples. Se necesitaba una nueva herramienta para abordar la complejidad del plegamiento proteico de manera más eficiente. En 2010, la inteligencia artificial dio un paso gigante con la fundación de DeepMind por Demis Hassabis, orientando el enfoque hacia uno de los retos más significativos de la biología moderna: descifrar el misterio del plegamiento de proteínas.

Hito en la ciencia

En 2016, el proyecto AlphaFold fue lanzado bajo la dirección de John Jumper, con la meta de crear una inteligencia artificial (IA) que pudiera predecir exactamente la estructura tridimensional de las proteínas a partir de su secuencia de aminoácidos. Esta IA logró predecir estructuras proteicas con una precisión sin precedentes, marcando un hito en la ciencia. AlphaFold ha revolucionado la investigación al predecir las estructuras de más de 200 millones de proteínas y ha compartido esta información de manera gratuita, impulsando avances en biología, medicina y desarrollos farmacéuticos.

En 2024, DeepMind revolucionó la bioinformática con el lanzamiento de AlphaFold3, una herramienta que superó en precisión las versiones anteriores para predecir estructuras proteicas y localizar sitios de unión molecular. Este avance es un hito significativo, ya que optimiza el diseño de medicamentos altamente específicos, incrementando su efectividad.

Por ejemplo, un investigador que analiza una enzima implicada en el cáncer podría utilizar AlphaFold3 para descubrir con rapidez dónde una molécula podría adherirse e inhibir su actividad, abriendo la puerta al desarrollo de innovadores tratamientos oncológicos.

Recientemente Google DeepMind inauguró Isomorphic Labs, una iniciativa para colaborar con la industria farmacéutica en la concreción de medicamentos, aprovechando las predicciones de AlphaFold3. Por otro lado, David Baker y su equipo han hecho aportes notables en el mundo de las proteínas con su método de “alucinación dirigida” basado en IA, que permite diseñar secuencias de aminoácidos para proteínas novedosas y funcionales. Este enfoque ha permitido la creación de estructuras moleculares inéditas, como una enzima emisora de luz.

Estos logros marcan el comienzo de una era donde la inteligencia artificial y la biología se fusionan, transformando nuestro entendimiento del mundo natural y elevando la calidad de vida global.

***

Las opiniones expresadas en esta sección son de entera responsabilidad de sus autores.

Del mismo autor: Azúcar sin límites: los secretos del metabolismo de los colibríes