El descubrimiento se basa en cómo una proteína adquiere su forma tridimensional.
Un nuevo sistema de inteligencia artificial llamado AlphaFold de la compañía DeepMind, ha logrado resolver eficazmente un problema científico que databa de hace 50 años atrás. El complejo acertijo está relacionado con la estructura y el comportamiento de las proteínas.
DeepMind, la compañía de inteligencia artificial con sede en el Reino Unido se ha caracterizado durante años por poner a prueba sus redes neuronales que constantemente derrotan a los humanos en juegos complejos como el ajedrez y el Go.
Ahora, con la última versión de su motor de inteligencia artificial AlphaFold, han logrado lo que hace 50 años se venía intentando conseguir y es predecir cómo las proteínas logran su estructura tridimensional. El logro es tan increíble, que los científicos no lo creían capaz ni en millones de años más, puesto que observar todos los arreglos moleculares parecía imposible.
Un experimento llamado CASP (Evaluación crítica de la predicción de la estructura de proteínas) comenzó en la década de 1990, desafiando a los científicos a idear sistemas capaces de predecir los enigmas del plegamiento de proteínas. Ahora, 30 años después, el experimento parece haber encontrado su solución más prometedora hasta el momento: AlphaFold es capaz de predecir estructuras de proteínas 3D con una precisión sin precedentes.
“Hemos estado atrapados en este problema, cómo se pliegan las proteínas, durante casi 50 años. Ver a DeepMind producir una solución para esto, después de haber trabajado personalmente en este problema durante tanto tiempo y empezar a preguntarse si alguna vez llegaríamos allí, es un momento muy especial”, dice el cofundador de CASP, John Moult, de la Universidad de Maryland.
Según la información recogida del sitio ScienceAlert, en el experimento se utilizó una nueva arquitectura de aprendizaje para AlphaFold que fue capaz de interpretar y calcular el ‘gráfico espacial’ de proteínas 3D. El sistema, que se entrenó mediante el análisis de un banco de datos de aproximadamente 170.000 estructuras de proteínas, aportó sus habilidades únicas al desafío CASP de este año, logrando una puntuación media de 92,4 GDT (Prueba de Distancia Global) en sus predicciones. Esto está por encima del umbral de 90 GDT que generalmente se considera competitivo.
“Casi me caigo de la silla cuando vi estos resultados. Sé lo riguroso que es CASP: básicamente garantiza que el modelado computacional debe funcionar en la desafiante tarea del plegamiento de proteínas ab initio. Fue una lección de humildad ver que estos modelos podían hacerlo con tanta precisión. Habrá muchos aspectos que comprender, pero esto es un gran avance para la ciencia”, dijo Ewan Birney, investigador en Genómica del Laboratorio Europeo de Biología Molecular.
Expertos concuerdan en que este logro constituiría un gran avance en el mundo científico, acelerando enormemente los esfuerzos de investigación en cosas como el descubrimiento de fármacos, entender mejor las enfermedades, y desarrollar nuevas aplicaciones mucho más allá de la salud.
