El viernes 11 de octubre de 2024 se llevó a cabo la mesa redonda virtual titulada Premio Nobel de Química 2024: Diseño y Predicción de la Estructura de Proteínas, organizada por el Instituto de Química de la Universidad Nacional Autónoma de México. El evento estuvo moderado por el Dr. Armando Hernández García, investigador de dicho instituto, y contó con la participación de distinguidos científicos, tanto nacionales como internacionales, que han contribuido significativamente al campo del diseño y predicción de la estructura de proteínas. Los panelistas fueron la Dra. Susana Vázquez Torres, de Washington University y miembro del laboratorio de David Baker; el Dr. Sergio Romero, del Instituto de Fisiología Celular de la UNAM; el Dr. Alejandro Fernández y el Dr. Alejandro Sosa, ambos de la Facultad de Medicina de la UNAM; y el Dr. José Arcadio Farías, del Centro de Ciencias Genómicas de la UNAM.
Contexto del Premio Nobel de Química 2024
El Premio Nobel de Química 2024 fue otorgado a los científicos David Baker, Demis Hassabis y John Jumper por sus contribuciones pioneras en el diseño de proteínas y la predicción de su estructura mediante herramientas avanzadas de inteligencia artificial. Baker fue galardonado por su trabajo en el diseño de proteínas de novo, mientras que Hassabis y Jumper recibieron el reconocimiento por el desarrollo de AlphaFold, una herramienta revolucionaria que predice la estructura tridimensional de proteínas a partir de su secuencia de aminoácidos con alta precisión.
El Dr. Hernández García abrió la mesa redonda explicando la importancia de las proteínas en los procesos biológicos y médicos, resaltando que estas biomoléculas, compuestas por largas cadenas de aminoácidos, requieren una estructura tridimensional específica para cumplir su función biológica. Durante décadas, uno de los grandes desafíos científicos ha sido predecir cómo se pliega una proteína a partir de su secuencia lineal de aminoácidos. Gracias a avances recientes en inteligencia artificial, este problema ha sido abordado con éxito, permitiendo la predicción precisa de estructuras proteicas y abriendo nuevas oportunidades para la investigación biomédica y el desarrollo de terapias.
Primeras impresiones sobre el Nobel de Química
La Dra. Susana Vázquez, quien trabaja directamente en el laboratorio de David Baker, compartió su reacción al enterarse de que su mentor había sido galardonado con el Nobel. “Desde que tenía 18 años supe que David ganaría el Nobel en algún momento”, comentó la Dra. Vázquez, recordando su entusiasmo al despertar el día del anuncio y recibir la noticia. Subrayó que, aunque el premio era esperado, no dejaba de ser una sorpresa agradable, especialmente por la rapidez con la que AlphaFold se consolidó como una herramienta fundamental en el campo.
Por su parte, el Dr. Alejandro Fernández, de la Facultad de Medicina de la UNAM, destacó el carácter pionero de David Baker, señalando que el reconocimiento era una validación de décadas de trabajo en el diseño de proteínas. Fernández explicó que, aunque el trabajo de Baker se centró inicialmente en los principios biofísicos del plegamiento proteico, el surgimiento de AlphaFold marcó un hito al abordar el problema desde un enfoque basado en redes neuronales y aprendizaje automático. Esta tecnología ha transformado el campo, facilitando predicciones estructurales que anteriormente habrían sido impensables.
El Dr. José Arcadio Farías añadió que el uso de grandes bases de datos, como el Protein Data Bank (PDB), fue crucial para entrenar los modelos de inteligencia artificial que ahora permiten predecir la estructura de proteínas con gran precisión. Según Farías, esta combinación de grandes volúmenes de datos experimentales con algoritmos avanzados ha permitido resolver uno de los problemas más complejos de la biología moderna.
El diseño de proteínas de novo y la predicción de estructuras
Uno de los temas centrales discutidos durante la mesa redonda fue el trabajo de David Baker en el diseño de proteínas de novo, es decir, la creación de proteínas completamente nuevas a partir de secuencias diseñadas artificialmente. El Dr. Sergio Romero, del Instituto de Fisiología Celular de la UNAM, explicó que este enfoque representa una revolución en la bioquímica, ya que permite diseñar proteínas con funciones específicas, como catalizar reacciones químicas o interactuar con otras biomoléculas, lo que abre la puerta a una amplia gama de aplicaciones en biomedicina y biotecnología.
El Dr. Alejandro Sosa enfatizó la importancia del desarrollo de AlphaFold, destacando que, aunque esta herramienta ha permitido predecir estructuras proteicas de manera mucho más rápida y precisa que los métodos tradicionales, aún quedan retos por resolver. “AlphaFold predice la estructura estática de una proteína, pero muchas proteínas son dinámicas y cambian de forma durante su función biológica”, señaló Sosa, sugiriendo que el estudio de las proteínas en movimiento es uno de los próximos grandes desafíos en el campo.
El Dr. Fernández añadió que la complejidad del plegamiento proteico es tal que, antes de los avances recientes, se pensaba que la predicción de estructuras a partir de secuencias de aminoácidos era un problema inabordable. AlphaFold ha logrado superar esta barrera, pero el diseño de proteínas, que requiere un control preciso de la estructura para garantizar una función específica, sigue siendo un reto complejo.
Implicaciones futuras y aplicaciones del diseño de proteínas
La Dra. Vázquez compartió su experiencia en proyectos recientes, particularmente en el diseño de proteínas para el tratamiento de mordeduras de serpientes, un problema que afecta principalmente a regiones de bajos recursos. “El tratamiento de mordeduras de serpientes no ha cambiado en 100 años, pero con el diseño de proteínas podemos crear antídotos mucho más efectivos y seguros”, explicó Vázquez. Este proyecto es solo uno de los muchos ejemplos de cómo el diseño de proteínas puede tener aplicaciones directas en la salud pública.
Asimismo, la Dra. Vázquez mencionó que el laboratorio de David Baker está trabajando intensamente en el diseño de enzimas, que requieren una precisión atómica para catalizar reacciones químicas. Estas enzimas podrían utilizarse para mejorar procesos industriales o desarrollar nuevos tratamientos médicos. “Es un reto mayor, pero los avances recientes nos permiten pensar que es posible diseñar enzimas con funciones específicas”, afirmó.
El Dr. Farías, por su parte, comentó sobre el impacto que estas tecnologías pueden tener en México y otros países en desarrollo. Gracias a herramientas como AlphaFold y el acceso a bases de datos globales, los investigadores mexicanos tienen ahora la capacidad de realizar investigaciones de vanguardia en diseño de proteínas sin los costos prohibitivos que anteriormente limitaban este campo. Farías subrayó que, aunque todavía hay barreras económicas y tecnológicas, las oportunidades para la ciencia en México han mejorado significativamente gracias a estos avances.
Limitaciones y desafíos del uso de inteligencia artificial en biología
A lo largo de la mesa redonda, se discutieron también las limitaciones de las herramientas actuales. El Dr. Romero señaló que, aunque AlphaFold ha logrado avances impresionantes, su capacidad para predecir estructuras de proteínas que interactúan con otras moléculas, como el ADN o el ARN, es limitada. Además, las proteínas desordenadas, que no tienen una estructura fija pero desempeñan funciones biológicas cruciales, siguen representando un desafío para la predicción estructural.
El Dr. Sosa añadió que la capacidad computacional necesaria para entrenar estos modelos es inmensa, lo que limita su acceso en muchos países. Sin embargo, destacó que se están desarrollando versiones más accesibles de AlphaFold y otras herramientas similares, lo que podría democratizar aún más el campo en el futuro cercano.
Conclusiones y perspectivas futuras
La mesa redonda concluyó con una reflexión sobre el impacto a largo plazo de estos avances en el campo de la biología y la medicina. El Dr. Hernández García destacó que el Premio Nobel de Química 2024 no solo reconoce los logros individuales de Baker, Hassabis y Jumper, sino que simboliza el inicio de una nueva era en la biotecnología. Los panelistas coincidieron en que las herramientas de diseño y predicción de proteínas basadas en inteligencia artificial continuarán evolucionando y transformando el campo de la biología molecular, permitiendo avances en áreas como la biomedicina, la farmacología y la biotecnología industrial.
El Dr. Sosa concluyó señalando que, aunque aún hay muchos retos por delante, las herramientas disponibles en la actualidad proporcionan una base sólida para continuar explorando nuevas fronteras en el diseño de proteínas. Por su parte, la Dra. Vázquez expresó su optimismo sobre el futuro del campo, afirmando que “los límites de lo que podemos lograr están cambiando rápidamente, y lo que hoy parece imposible, pronto podría ser alcanzable”.
Esta mesa redonda ofreció una visión comprensiva de los avances más recientes en el campo del diseño y predicción de proteínas, subrayando el impacto profundo que tendrán en la investigación científica y las aplicaciones tecnológicas en las próximas décadas.