El premio Nobel de Química, la inteligencia artificial y la interdisciplinaridad científica

El plegamiento de proteínas es un problema central en la biología molecular. Desde hace décadas, los científicos han tratado de predecir cómo una secuencia lineal de aminoácidos (la estructura primaria) se pliega en una estructura tridimensional (la estructura terciaria). Esta estructura es fundamental para entender la función de la proteína y su papel en procesos biológicos. Las técnicas experimentales como la cristalografía de rayos X y la resonancia magnética nuclear (RMN) son costosas y lentas, lo que ha llevado a una necesidad crítica de métodos computacionales eficientes para predecir la estructura proteica.

Pues bien, el 50 % del Premio Nobel de Química 2024 ha sido otorgado conjuntamente a Demis Hassabis (Londres, 1976) y John Michael Jumper (Arkansas, 1985), científicos que trabajan en la compañía británica DeepMind, propiedad de Google. Estos investigadores desarrollaron el modelo de inteligencia artificial AlphaFold2 con el que lograron predecir la estructura tridimensional de casi todas las proteínas conocidas hasta la fecha.

AlphaFold2, desarrollado por DeepMind en 2020, es un sistema basado en inteligencia artificial. A diferencia de métodos anteriores, que dependían de aproximaciones y suposiciones manuales, AlphaFold2 utiliza un enfoque de aprendizaje profundo que supera con creces la precisión de las predicciones anteriores. Durante el concurso de predicción del plegamiento de proteínas CASP14 (Critical Assessment of Structure Prediction), AlphaFold2 superó a todos los demás métodos y demostró una precisión casi a nivel atómico en muchos casos.

¿Cómo funciona AlphaFold2? Utilizando redes neuronales profundas y un enfoque transformador para integrar información evolutiva, predicciones de contacto entre residuos y representaciones tridimensionales simultáneamente.

AlphaFold2 tiene varias aplicaciones en la vida cotidiana, especialmente en áreas que afectan la salud, la biotecnología y la sostenibilidad. Citaré cinco ejemplos.

Desarrollo de nuevos fármacos. AlphaFold2 permite predecir la estructura tridimensional de proteínas con gran precisión. Esto es esencial para identificar sitios activos en proteínas diana y diseñar medicamentos más eficaces y específicos para enfermedades como el cáncer, Alzheimer y otras patologías complejas.

Descubrimiento de biomarcadores. Con la capacidad de predecir estructuras proteicas desconocidas, AlphaFold2 ayuda a identificar proteínas que pueden servir como biomarcadores en el diagnóstico temprano y monitoreo de enfermedades, facilitando tratamientos personalizados.

Investigación en enfermedades raras. AlphaFold2 permite estudiar proteínas relacionadas con enfermedades genéticas raras o de difícil acceso experimental, lo que acelera la identificación de mutaciones y el desarrollo de terapias innovadoras para estas patologías.

Proteínas virales. Durante la pandemia de COVID-19, AlphaFold2 fue clave para predecir las estructuras de proteínas del virus SARS-CoV-2, lo que ayudó a los científicos a comprender su mecanismo de infección y desarrollar tratamientos antivirales y vacunas de manera más rápida.

Estudios evolutivos. AlphaFold2 facilita el análisis de proteínas en organismos antiguos o poco conocidos, ayudando a los científicos a entender cómo han evolucionado las proteínas y sus funciones a lo largo de millones de años, contribuyendo al campo de la biología evolutiva.

El otro 50% del Premio Nobel de Química ha ido a parar al bioquímico David Baker (Seattle, 1962). Baker, director del Institute for Protein Design en la Universidad de Washington, es el responsable de desarrollar RoseTTAFold, una herramienta innovadora basada en la inteligencia artificial presentada en 2021.

Inspirado por el éxito de AlphaFold2, RoseTTAFold se desarrolló con un enfoque similar basado en redes neuronales profundas para predecir la estructura de proteínas a partir de su secuencia de aminoácidos. Sin embargo, RoseTTAFold se diferencia por su capacidad para abordar no solo la predicción de estructuras, sino también el diseño de nuevas proteínas con funciones o estructuras que no existen en la naturaleza.

RoseTTAFold ha abierto nuevas posibilidades en el diseño de proteínas con aplicaciones potenciales en una amplia gama de sectores. Mencionaré cinco de ellas.

Diseño de nuevas proteínas terapéuticas. RoseTTAFold permite diseñar proteínas completamente nuevas para combatir enfermedades. Por ejemplo, se pueden crear proteínas que ataquen células cancerosas o eliminen proteínas tóxicas, como en enfermedades neurodegenerativas.

Biocatálisis ambiental. RoseTTAFold facilita el diseño de enzimas que pueden descomponer contaminantes ambientales, como plásticos y productos químicos peligrosos, ofreciendo soluciones sostenibles para la descontaminación.

Desarrollo de vacunas personalizadas. A través del diseño de proteínas, RoseTTAFold puede generar antígenos específicos para patógenos, permitiendo el desarrollo de vacunas más efectivas y dirigidas contra enfermedades específicas.

Optimización de enzimas industriales. En la industria, RoseTTAFold permite el diseño y optimización de enzimas que mejoran la eficiencia de procesos de producción, como la fabricación de biocombustibles o productos químicos, reduciendo costos y residuos.

Proteínas agrícolas. RoseTTAFold se utiliza en la creación de proteínas que mejoran la resistencia de los cultivos a condiciones adversas, como la sequía o las plagas, lo que incrementa el rendimiento y sostenibilidad en la agricultura.

Estimados lectores de LA VERDAD, siempre he defendido que el futuro de la ciencia, y por tanto el nuestro, reside en la interdisciplinariedad científica. Un claro ejemplo es el Premio Nobel de Química de este año, donde la unión entre expertos en bioquímica e inteligencia artificial ha transformado profundamente el estudio de las proteínas. Continuemos fomentando el trabajo en equipo, ya que es el único camino hacia el avance de la ciencia… y de la humanidad.