Digital

El primer hito de la inteligencia artificial aplicada a la ciencia llega de la mano de Google

AlphaFold: la IA de Google marca un antes y un después en la investigación científica de las proteínas

El equipo de inteligencia artificial de Google, DeepMind, crea un sistema capaz de predecir las estructuras de las proteínas a través de su secuencia genética.

proteinaAunque la inteligencia artificial se presenta como una de las tecnologías más prometedoras gracias a su aplicación a distintos campos de conocimiento, su contribución a la ciencia puede marcar un antes y un después en la investigación médica.

Esta era, precisamente, el objetivo de Google cuando adquirió DeepMind y, parece que va camino de revolucionar la industria. La compañía acaba de presentar lo que califica como el primer hito del trabajo del equipo que demuestra la capacidad de la IA para acelerar el descubrimiento científico.

A través del trabajo de un equipo multidisciplinar que comprende a expertos de campos como la biología estructural, la física o el machine learning para aplicar técnicas vanguardistas capaces de predecir la estructura 3D de una proteína basándose solamente en su secuencia genética.

El resultado es AlphaFold, un sistema en el que la compañía ha estado trabajando a lo largo de los dos últimos años y que utiliza una enorme cantidad de datos genómicos para predecir y generar estructuras 3D de proteínas más precisas jamás vistas.

La importancia de este avance reside en su capacidad para resolver el problema de los pliegues de proteínas, uno de los mayores desafíos científicos.

Las proteínas son responsables de casi cada función de nuestro cuerpo, desde la contracción de los músculos hasta el metabolismo. Estas funciones vienen determinadas por una estructura 3D única cuya predicción a través de la secuencia genética ha sido el gran reto de los científicos durante décadas.

La complejidad está en que el ADN solo contiene información sobre la secuencia de los aminoácidos de la proteína, es decir, de los bloques que la componen y que forman largas cadenas. Predecir cómo esas cadenas se plegarán para formar una determinada estructura 3D es una de las mayores complejidades de la ciencia.

Cuanto más grande es la proteína, mayor es la dificultad de predecir modelos porque existen más interacciones entre los aminoácidos a tener en cuenta. Tal es la dificultad que, destacan, se tardaría más tiempo que la edad del universo en enumerar las posibles configuraciones de una proteína estándar antes de dar con la estructura correcta.

Sin embargo, encontrar la respuesta es vital para diagnosticar y tratar enfermedades como el Alzheimer, el Parkinson o la fibrosis quística que, se cree, son causadas por deformaciones de estos pliegues.

Este proyecto ha recibido el primer premio en la competición bianual Community Wide Experiment on the Critical Assessment of Techniques for Protein Structure Prediction (CASP) y que calificó el sistema AlphaFold como “un progreso sin precedentes en la habilidad de los métodos computacionales para predecir estructuras de proteínas” por la simplificación de un proceso que hasta ahora ha requerido de enormes costes y un constante prueba y error a través de técnicas experimentales como la resonancia magnética nuclear o la cristalografía de raxos X.

A través del entrenamiento de una red neuronal capaz de relacionar la forma y la expresión génica de miles de proteínas conocidas, AlphaFold predice la distancia y el ángulo entre cada par de aminoácidos de la cadena para posteriormente ajustar la estructura completa y hallar la configuración más adecuada y precisa.

Aunque desde el equipo de DeepMind se muestran cautos afirmando que todavía queda un largo camino por recorrer y mucho trabajo por hacer, lo cierto es que este progreso demuestra el poder de la inteligencia artificial en el tratamiento de enfermedades.

Te recomendamos

CONECTADOS

EVO Banco

Podcast

SomosQuiero

Atres

Compartir