Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Agencia Sinc
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

La IA predice la estructura de casi todas las proteínas conocidas por la ciencia

La compañía DeepMind, propiedad de Google, con su programa AlphaFold de inteligencia artificial y la colaboración del Instituto Europeo de Bioinformática, logra predecir la forma en 3D de más de 200 millones de proteínas de los organismos de la Tierra. Los resultados se ofrecen en abierto a la comunidad científica para ayudar a investigar los seres vivos y resolver problemas globales como el hambre y las enfermedades.

La estructura de la proteína vitelogenina predicha por la herramienta AlphaFold
La estructura de la proteína vitelogenina (precursora de la yema de huevo) predicha por la herramienta AlphaFold. / DeepMind

Mediante inteligencia artificial (IA), la empresa británica DeepMind y el Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular (EMBL-EBI) han conseguido realizar predicciones de las estructuras tridimensionales de casi todas las proteínas conocidas y catalogadas por la ciencia para ofrecerlas, de forma gratuita y abierta, en la base de datos de estructuras de proteínas AlphaFold.

La herramienta AlphaFold logra predecir la estructura de más de 200 millones de proteínas, cubriendo casi todos los organismos de la Tierra cuyo genoma ha sido secuenciado

Esta herramienta y base de datos de DeepMind, adquirida a su vez por Google en 2014, se ha ido desarrollando en los últimos años, pero la novedad ahora es que se amplía unas 200 veces, de casi un millón de estructuras de proteínas a más de 200 millones, cubriendo casi todos los organismos de la Tierra cuyo genoma ha sido secuenciado. 

Esta actualización incluye estructuras proteicas predichas para multitud de especies, incluidas plantas, bacterias, animales y otros organismos, lo que abre nuevas vías de investigación en ciencias de la vida con impacto en desafíos globales, como la sostenibilidad, la falta de alimentos y enfermedades olvidadas, según informa el EMBL-EBI.

Además, este lanzamiento abrirá nuevas vías de investigación en bioinformática y computación, al permitir a los investigadores detectar patrones y tendencias en la base de datos. También se presentarán las estructuras predichas de las proteínas en UniProt (universal protein), un repositorio central de referencia.

“AlphaFold ahora ofrece una vista en 3D del universo de las proteínas”, destaca Edith Heard, directora general del EMBL. Por su parte, Demis Hassabis, fundador y director ejecutivo de DeepMind, añade: “Nos ha sorprendido la velocidad a la que se ha convertido en una herramienta esencial para cientos de miles de científicos en laboratorios y universidades de todo el mundo”.

“Desde la lucha contra las enfermedades hasta la contaminación por plásticos, AlphaFold ya ha permitido un impacto increíble en algunos de nuestros mayores desafíos globales –añade–. Nuestra esperanza es que esta base de datos ampliada ayude a muchos más investigadores en su trabajo y abra vías completamente nuevas de descubrimiento”.

Una herramienta esencial para la ciencia

DeepMind y EMBL-EBI lanzaron AlphaFold en julio de 2021, con más de 350.000 predicciones de estructuras de proteínas, incluido el proteoma humano completo. Las actualizaciones posteriores permitieron la adición de repositorios como UniProt y 27 nuevos proteomas, 17 de los cuales representan enfermedades tropicales desatendidas que continúan devastando las vidas de más de mil millones de personas en todo el mundo.

AlphaFold ahora ofrece una vista en 3D del universo de las proteínas

Edith Heard (EMBL)

En poco más de un año, más de mil artículos científicos han citado esta base de datos y más de 500.000 investigadores de más de 190 países han accedido a AlphaFold para ver más de dos millones de estructuras.

La comunidad científica también ha aprovechado este sistema para crear y adaptar herramientas como Foldseek y Dali, que permiten a los usuarios buscar entradas de proteínas concretas. También se han adoptado las ideas centrales de aprendizaje automático que están detrás de este programa de inteligencia artificial para desarrollar nuevos algoritmos o aplicarlos en áreas como la predicción de la estructura del ARN o la creación de nuevos modelos proteicos.

Aplicación en multitud de investigaciones 

Según sus promotores, AlphaFold también ha ayudado a mejorar nuestra capacidad para combatir la contaminación de los plásticos, obtener información sobre la enfermedad de Parkinson, aumentar la salud de las abejas melíferas, comprender cómo se forma el hielo, abordar enfermedades desatendidas como la enfermedad de Chagas y la leishmaniasis, y explorar la evolución humana.

“Lanzamos AlphaFold con la esperanza de que otros equipos pudieran aprender y aprovechar los avances que hicimos, y ha sido emocionante ver que esto ha sucedido tan rápido. Muchas otras organizaciones de investigación de IA se han introducido ahora en este campo y están aprovechando sus ventajas para seguir avanzando. Es realmente una nueva era en la biología estructural, y los métodos basados ​​en inteligencia artificial impulsarán un progreso increíble”, destaca John Jumper, científico responsable de esta herramienta en DeepMind.

AlphaFold ya ha ayudado en estudios sobre el párkinson, enfermedad de Chagas y la leishmaniasis, o para investigar la evolución humana, cómo se forma el hielo o la contaminación por plásticos

“AlphaFold ha revolucionado la comunidad de biología molecular: solo en el último año, ha habido más de mil artículos científicos que la han utilizado”, subraya Sameer Velankar de EMBL-EBI, “y este es solo el impacto de un millón de predicciones, imagina contar ahora con más de 200 millones de estructuras de proteínas en esta base de datos”.

DeepMind y EMBL-EBI continuarán actualizando AlphaFold periódicamente para mejorar sus características y funcionalidad en respuesta a los comentarios de los usuarios. El acceso a las estructuras seguirá siendo completamente abierto, bajo una licencia Creative Commons, y las descargas masivas estarán disponibles a través de Google Cloud.

Fuente: EMBL-EBI
Derechos: Creative Commons.
Artículos relacionados