En un premio que electrizó a la comunidad científica, tres mentes brillantes ganaron el Premio Nobel de Química. Dos científicos de Google DeepMind, Demis Hassabis y John Jumper, se encuentran entre los galardonados cuyo trabajo propone remodelar la biotecnología y la medicina mediante el plegamiento de proteínas. Para completar sus logros está David Baker, bioquímico de la Universidad de Washington, cuyo trabajo innovador en el diseño computacional de proteínas mejora los suyos. En el camino, sus descubrimientos han abierto nuevas formas de aprender y diseñar proteínas, las moléculas clave de toda la vida en la Tierra.
En última instancia, se encuentra en el corazón de este logro, este cuarteto de predicciones, y comienza con modelos avanzados de inteligencia artificial, en particular los fabricados por Hassabis y Jumper. Ese avance, AlphaFold2, permite predecir casi todas las proteínas a partir de sus secuencias. Este logro ya está provocando tal aceleración de la investigación en el descubrimiento de fármacos y la biología molecular que ha comenzado a captar la atención de los encargados de formular políticas y del público en general. Las contribuciones de Baker fueron importantes, pero la tecnología de inteligencia artificial hizo lo que muchos creían imposible: resolvió un rompecabezas científico de décadas de antigüedad.
Google DeepMind sorprende al mundo académico con la victoria del Premio Nobel de Química
El trío recibió el Premio Nobel por desarrollar técnicas para decodificar y diseñar proteínas. La vida se puede comparar con edificios hechos de ladrillos, pero los ladrillos se parecen más a los componentes básicos de la vida: las proteínas complejas a menudo se describen como moléculas que nos ayudan a realizar prácticamente todos los procesos de nuestro cuerpo. Sin embargo, durante décadas su estructura ha sido un misterio. Sin embargo, mapear y diseñar eficientemente estas intrincadas moléculas ha sido un objetivo de los científicos durante años, gracias a la IA.
En segundo lugar, John Jumper y Demis Hassabis de Google DeepMind crearon un modelo de IA llamado AlphaFold2, que puede predecir la estructura de cualquier proteína conocida. Este modelo ya ha mapeado 200 millones de estructuras proteicas, un logro inimaginable en aquel momento. Ahora puedes hacer lo que antes requería años y años de minuciosa investigación en tan solo unos segundos. Su trabajo brinda información sobre proteínas conocidas y ayuda a abrir la puerta a la creación de nuevas proteínas con una precisión asombrosa.
Mientras tanto, la contribución de David Baker fue una pieza de software llamada Rosetta, que construye nuevas proteínas a partir de partes de las existentes que no se encuentran naturalmente en la naturaleza. Este trabajo representa un paso enorme en la comprensión y construcción de proteínas y tendrá implicaciones de gran alcance para la medicina, las ciencias ambientales y la ingeniería de materiales.
Cómo la IA revolucionó toda la investigación de proteínas
Esta investigación ganadora del Nobel es importante. Cada función biológica está impulsada por las proteínas: desde la contracción muscular hasta la defensa inmune, la función de las proteínas depende de su forma. Durante décadas, los científicos han intentado, pero les ha costado, predecir con precisión cómo se pliegan las proteínas en sus complejas estructuras tridimensionales. Por eso, debemos comprender este proceso para desbloquear posibles tratamientos médicos, desarrollar vacunas e incluso crear materiales biodegradables.
La creación de Hassabis y Jumper, AlphaFold2, le permite predecir con precisión la estructura de prácticamente cualquier proteína, lo que reduce enormemente el tiempo de investigación. Es un sistema impulsado por IA que analiza rápidamente secuencias de aminoácidos para determinar cómo cualquier secuencia se plegará en una proteína funcional. Según Hassabis, este avance “ahorra años de trabajo experimental”, permitiendo a los científicos cambiar su enfoque hacia aplicaciones, como el desarrollo de nuevos medicamentos y materiales.
Esta tecnología de IA funciona de la mano con el software Rosetta de Baker. Con la aplicación del aprendizaje automático que utiliza datos de proteínas existentes, podrían diseñar proteínas nuevas, incluso completamente nuevas, para abordar problemas difíciles como la contaminación o fabricar medicamentos más inteligentes y eficientes. En algunos casos, dijo Baker, se pueden utilizar nuevos tratamientos potenciales, como aerosoles nasales para frenar la propagación de virus como el COVID-19 o medicamentos para bloquear respuestas inmunitarias peligrosas.
La combinación de las plataformas de aprendizaje profundo AlphaFold2 y GenScript permite una investigación más rápida, que antes habría llevado más tiempo.
Desde su lanzamiento, AlphaFold2 ha sido gratuito para científicos de todo el mundo, un cambio espectacular en la investigación tal como la conocemos. Más de 2 millones de investigadores en 190 países ya han utilizado el sistema para ampliar la investigación de enfermedades como la malaria, el Parkinson, las bacterias resistentes a los medicamentos y más. Si la herramienta acelera el proceso de identificación de nuevos medicamentos a un costo y un gasto menores que nunca, podría tener un impacto importante en la medicina.
John Jumper destacó el potencial a largo plazo de AlphaFold2 y habló sobre cómo puede ayudar a acelerar el desarrollo de medicamentos y vacunas entre 10 y 20 veces, particularmente en respuesta a pandemias y brotes emergentes. Estaba claro que David Baker estaba entusiasmado con la futura aplicación de la tecnología; pensaba que esto era sólo la punta del iceberg de lo que la IA podía hacer en la ciencia.
En manos de la ciencia, el poder de la IA
Y eso no quiere decir que resolver este viejo enigma científico sea un logro; en primer lugar, se trata de cambiar fundamentalmente nuestra forma de pensar sobre la investigación, dicen Hassabis y Jumper. Los sistemas de inteligencia artificial, como AlphaFold2, están demostrando que los procesos científicos que de otro modo requerirían mucha mano de obra ahora pueden ser más accesibles, prácticos y escalables. Esto no es teórico; Está sucediendo ahora en laboratorios de todo el mundo y las consecuencias para todo, desde la industria farmacéutica hasta las ciencias ambientales, podrían ser enormes.
Pero a pesar del enorme potencial, es evidente que Hassabis también estaba advirtiendo. En una declaración, describió la IA como algo que tiene “un doble filo”, lo que significa que parece al mismo tiempo un medio para mejorar vidas, y tenemos que ser extraordinariamente cuidadosos al utilizarla y preocuparnos por cuáles podrían ser sus efectos no deseados. Con el desarrollo continuo de estas tecnologías, su prioridad será garantizar que los riesgos superen los beneficios.
Esto muestra hasta dónde hemos llegado en el uso de la IA para resolver los problemas más difíciles de la biología. Muchas de las preguntas que nos hemos estado haciendo han cambiado. Aún es temprano para utilizar la IA para investigar proteínas, pero los avances de Demis Hassabis, John Jumper y David Baker están cambiando el rostro de la ciencia. Su trabajo acerca la ciencia ficción más que nunca. Este descubrimiento ganador del Premio Nobel tendrá un impacto mucho más allá de la biología y la medicina.
Crédito de imagen: Furkan Demirkaya/Ideograma
Source: La IA de Google DeepMind gana el Premio Nobel de Química
