Avances en la inteligencia artificial impulsan el estudio del plegamiento de proteínas.
El 2024 marcó un hito en los premios Nobel de Química, cuando se reconoció a Demis Hassabis, John Jumper y David Baker por su trabajo sobre el plegamiento de proteínas mediante aprendizaje automático. Este avance es significativo porque aborda un desafío biológico crítico: predecir la forma tridimensional de las proteínas y diseñarlas desde cero, algo que anteriormente era en gran medida un misterio.
Los galardonados fueron homenajeados específicamente por investigaciones iniciadas en DeepMind, una empresa de investigación en inteligencia artificial adquirida por Google en 2014. Esta distinción es notable ya que los premios anteriores solían premiar investigaciones realizadas principalmente en el ámbito académico. La investigación premiada no solo resalta la importancia de la inteligencia artificial, sino también el cruce de fronteras entre disciplinas científicas para alcanzar avances sin precedentes.
El trabajo de DeepMind, bajo la dirección de John Jumper, resultó en AlphaFold2, una IA capaz de predecir con precisión extraordinaria las estructuras tridimensionales de las proteínas a partir de sus secuencias de aminoácidos. Este avance se basó en el análisis de una vasta base de datos de estructuras proteicas previamente determinadas experimentalmente. AlphaFold ha previsto las estructuras de más de 200 millones de proteínas hasta la fecha, lo que proporciona un recurso invaluable para la ciencia, la medicina y el desarrollo de fármacos.
Demis Hassabis, famoso por su éxito con AlphaZero en los juegos de ajedrez y Go, cambió el enfoque de DeepMind hacia el problema del plegamiento de proteínas en 2016. El proyecto zapó un hito con la predicción de AlphaFold2, que se ha vuelto un instrumento indispensable para la comprensión y el diseño de nuevos medicamentos.
Por otro lado, David Baker, desde la Universidad de Washington, ha desarrollado un método basado en IA denominado “alucinación en familia”, que permite diseñar nuevas proteínas artificiales, como enzimas emisoras de luz, demostrando que la inteligencia artificial puede ayudar a crear proteínas sintéticas innovadoras.
Google DeepMind ha iniciado aventuranzas como Isomorphic Labs, colaborando con la industria farmacéutica para convertir las predicciones de AlphaFold3 en avances farmacéuticos tangibles. Innovaciones como la identificación de sitios de unión potenciales para moléculas pequeñas son algunos de los primeros pasos críticos hacia la creación de nuevos medicamentos dirigidos.
Con estas herramientas, la capacidad de diseñar enzimas funcionales y otras proteínas que nunca podrían haber evolucionado naturalmente es ahora una realidad. El trabajo de estos investigadores no solo ha abordado uno de los mayores desafíos de la biología, sino que también ha abierto nuevas posibilidades para la medicina personalizada y el descubrimiento de medicamentos.
Concluyendo, los logros de Hassabis, Jumper y Baker reflejan que el aprendizaje automático es ahora un componente esencial en la vanguardia de la biología y la medicina, transformando nuestra comprensión de la química de la vida y allanando el camino para avances sin igual en la investigación.