Durante más de 50 años, los científicos intentaron comprender la compleja estructura de las proteínas. Cada investigador que se aventuraba en este mundo, proporcionaba información para entenderlas, pero no se llegaba a una solución completa. Sin embargo, este año es un punto de quiebre ya que el investigador británico Demis Hassabis y el estadounidense John M. Jumper han logrado resolver mediante un modelo de inteligencia artificial este problema. A la par, las investigaciones del bioquímico estadounidense David Baker para desarrollar nuevas proteínas, también contribuyeron.
Ambos trabajos se centraron en comprender a las herramientas químicas de la vida, las proteínas, y por tanto fueron reconocidos con el premio Nobel de Química 2024. Para el Dr. Rogelio Rodríguez Sotres, experto de la Facultad de Química de la UNAM, las dos propuestas representan un recurso imprescindible que ayudarán a tener un mejor conocimiento de estas, mismo que podría servir en un futuro en diversos campos como la medicina, la agricultura o en el ambiente.
“Históricamente teníamos un problema al descifrar las propiedades de las proteínas. Cada proteína tiene 20 aminoácidos diferentes que pueden combinarse de infinitas maneras. La cantidad de combinaciones que se pueden realizar es enorme, incluso sabemos que son más que las estrellas que hay en el universo.
Entonces, comprender cómo cada secuencia adopta una forma tridimensional propia de cada proteína resulta un reto muy complejo. Christian Anfinsen, científico estadounidense y premio Nobel de Química 1972, demostró que la secuencia de aminoácidos determina la forma tridimensional final. Pero para conocer esa forma experimentalmente se que requiere años de investigación y a un costo económico importante”, comentó el experto de la Facultad de Química.
Durante mucho tiempo, los científicos obtenían los modelos tridimensionales de las proteínas mediante un método llamado cristalografía de rayos X, una técnica consistente en hacer pasar un haz de rayos X a través de un cristal de la sustancia sujeta a estudio. Este método, de acuerdo con Rodríguez Sotres, no solo resulta costoso, sino también un tanto laborioso, puesto que se requiere cierto procedimiento para obtener cristales y llevarlos al un equipo especial que se llama Synchrotron de los cuales hay apenas unos 70 en el mundo.
Aunque con este y otros métodos relacionados se han resuelto unas 220 mil estructuras de las proteínas la información genómica nos ha proporcionado más de 200 millones de secuencias de aminoácidos—la brecha es enorme. Gracias al trabajo de Demis Hassabis y John W. Jumper ahora tenemos predicciones para los 200 millones de proteínas, incluyendo todas las proteínas del humano, el ratón, el chimpacé, el maíz, el cuitlacoche, muchas bacterias, el SARS-CoV2, etc. Aunque no todas son correctas, aún hay trabajo pendiente.
AlphaFold2, la herramienta
Con el fin de saber cómo predecir la estructura de las proteínas, se creó el proyecto CASP en 1994. Cada dos años, investigadores de todo el mundo se reunían para tratar de entender y predecir las estructuras de diversas proteínas, pero el avance era lento, y luego de 18 años era apenas de un 40% y las predicciones eran imprecisas.
Hassabis tomó como referencia esas investigaciones y mediante un algoritomo de IA llamado Alpha, que era usado para jugar juegos como Go y Ajedréz, lo adapto para “jugar a plegar” proteínas,. AlphaFold, ganó al CASP con un 60% de éxito, pero solo en una categoría del concurso. En las otras categorías Yang Zhang y David Baker seguían siendo líderes. Dos años más tarde, Jumper reformó el algoritmo y lo bautizaron AlphaFold2, cuyo éxito superó todas las expectativas y a todos los concursantes, dejando a David Baker en un 2º lugar, a pesar de que Baker ya había incorporado IA en sus métodos..
“Esta nueva herramienta conjuntó varios conocimientos sobre las secuencias de aminoácidos en las proteínas, tomando en cuenta que proteínas con la misma función tienen formas semejantes. Por ejemplo, la proteína que sirve para hacer el pelo humano es similar en forma a la de la rata o los chimpancés, pero la secuencia de aminoácidos es distinta. Entonces ellos crearon un programa que nos permite analizar esas diferencias, y a la vez reconstruir la manera en que la proteína está plegada, la manera en que se dobla y adquiere su forma”, dijo Rodríguez Sotres.
Construir proteínas también ayudó
En cuanto al trabajo de Baker, el Dr. Rogelio Rodríguez Sotres, destacó que al desarrollar un algoritmo que explicaba cómo crear proteínas, ayudó a resolver el misterio de cómo se estructuran las proteínas desde una percepción distinta.
“Él desarrolló un algoritmo que resuelve el problema al revés. Él partió de la forma que tiene una proteína y quiso entender que orden de aminoácidos hacía falta para obtener esa forma determinada. A partir de esa idea desarrolló un programa capaz de predecir secuencias que se plegaban como uno deseaba. De ese modo, también desarrolló estructuras tridimensionales de proteínas artificiales y eso nos ayudó a entender que pliegues pueden hacer proteínas con distintas formas y propiedades”, explicó.
Beneficios para la humanidad
Ambos trabajos han significado una grata sorpresa para el experto de la Facultad de Química, ya que más allá de ser una importante guía en el estudio de las proteínas, este conocimiento que han compartido tendrá impacto en distintas áreas como la “Medicina, la Química, en cuestiones de Ecología y evolución, en estudios sobre la salud de los ecosistemas, y en todo aquello relacionado a éstas”.
No temer a usar la IA
Al cuestionarlo sobre el uso de la IA para realizar nuevos descubrimientos, como fue en este caso, el Dr. Rodríguez Sotres expresó que no se le debe ver con malos ojos por parte de la comunidad científica, ya que es probable que esta herramienta sea vital a futuro.
“El uso de la IA nos guio para comprender un misterio que teníamos sin resolver desde hace 50 años. Entonces no hay que temerle a usarla en las investigaciones. Tenemos una mala idea sobre esta herramienta, pensamos que si la alimentamos de conocimiento se pondrá en nuestra contra, pero no es así, a diferencia de los seres humanos, los programas actuales de IA no tienen emociones y no “desean” conquistar el mundo. La inteligencia artificial es una herramienta muy poderosa que nos ha simplificado mucha investigación y nos ha dado avances muy importantes en diversas ciencias. No hay que intimidarse por ella, sino sacar el mejor provecho y en todo caso hay que regular el mal uso que los humanos pueden hacer de la herramienta”, concluyó.