DeepMind descubre la estructura de 200 millones de proteínas en un avance científico | Mente profunda

La inteligencia artificial ha descifrado la estructura de prácticamente todas las proteínas conocidas por la ciencia, allanando el camino para el desarrollo de nuevos medicamentos o tecnologías para abordar desafíos globales como la hambruna o la contaminación.

Las proteínas son los componentes básicos de la vida. Formados por cadenas de aminoácidos, plegadas en formas complejas, su estructura 3D determina en gran medida su función. Una vez que sepa cómo se pliega una proteína, puede comenzar a comprender cómo funciona y cómo cambiar su comportamiento. Aunque el ADN proporciona las instrucciones para hacer la cadena de aminoácidos, predecir cómo interactúan para formar una forma 3D fue más complicado y, hasta hace poco, los científicos solo habían descifrado una fracción de las aproximadamente 200 millones de proteínas conocidas por la ciencia.

En noviembre de 2020, el grupo AI Mente profunda anunció que había desarrollado un programa llamado AlphaFold que podía predecir rápidamente esta información usando un algoritmo. Desde entonces, ha estado analizando los códigos genéticos de todos los organismos cuyo genoma ha sido secuenciado y prediciendo las estructuras de los cientos de millones de proteínas que contienen colectivamente.

El año pasado, DeepMind publicó las estructuras de proteínas de 20 especies, incluidas casi todas las 20.000 proteínas expresadas por humanos – en un abierto base de datos. Ahora ha terminado el trabajo y ha publicado estructuras predichas para más de 200 millones de proteínas.

“Esencialmente, puedes pensar que cubre todo el universo de proteínas. Incluye estructuras predictivas para plantas, bacterias, animales y muchos otros organismos, lo que abre enormes oportunidades nuevas para que AlphaFold tenga un impacto en temas importantes, como la sostenibilidad, la inseguridad alimentaria y las enfermedades desatendidas”, dijo Demis Hassabis, fundador y director de DeepMind. director.

Los científicos ya están utilizando algunas de sus predicciones anteriores para ayudar a desarrollar nuevos medicamentos. En mayo, investigadores dirigidos por el profesor Matthew Higgins de la Universidad de Oxford Anunciado habían utilizado los modelos de AlphaFold para ayudar a determinar la estructura de una proteína clave del parásito de la malaria y determinar dónde era probable que se unieran los anticuerpos que podrían bloquear la transmisión del parásito.

“Anteriormente, habíamos estado usando una técnica llamada cristalografía de proteínas para averiguar cómo se ve esta molécula, pero debido a que es bastante dinámica y se mueve, simplemente no pudimos entenderla”, dijo Higgins. “Cuando tomamos los modelos AlphaFold y los combinamos con esta evidencia experimental, de repente todo tuvo sentido. Esta información se utilizará ahora para diseñar vacunas mejoradas que induzcan los anticuerpos bloqueadores de la transmisión más potentes”.

Los modelos de AlphaFold también están siendo utilizados por científicos del Centro de Innovación de Enzimas de la Universidad de Portsmouth, para identificar enzimas del mundo natural que podrían modificarse para digerir y reciclar plásticos. “Nos tomó bastante tiempo revisar esta enorme base de datos de estructuras, pero abrimos toda esta gama de nuevas formas tridimensionales que nunca antes habíamos visto y que en realidad podrían descomponer los plásticos”, dijo el profesor John McGeehan, quien dirige la obra. “Hay un cambio de paradigma completo. Realmente podemos acelerar hacia dónde vamos desde aquí, y eso nos ayuda a dirigir estos preciosos recursos a las cosas que importan”.

La profesora Dame Janet Thornton, líder del grupo y científica sénior del European Molecular Biología El Instituto Europeo de Bioinformática del laboratorio, dijo: “Las predicciones de la estructura de la proteína AlphaFold ya se están utilizando en una miríada de formas. Espero que esta última actualización desencadene una avalancha de descubrimientos nuevos y emocionantes en los meses y años venideros, y todo esto es gracias al hecho de que los datos están disponibles abiertamente para que todos los usen”.

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.