LA IA CONSIGUE DESVELAR UN MISTERIO BIOLÓGICO

Este es un artículo científico que recogemos del diario El Mundo:

“La inteligencia artificial (IA) resuelve casi por completo uno de los grandes enigmas de la biología.”

Casi por completo… ¡Casi!...

“Un programa de IA de la compañía DeepMind predice cómo una proteína adquiere su forma tridimensional, un hallazgo que ayudará a entender mejor cómo se producen las enfermedades y a acelerar el desarrollo de fármacos.”

“Las proteínas son esenciales para la vida. Son moléculas complejas compuestas por cadenas de aminoácidos y las funciones que desempeñan dependen en gran medida de su estructura en tres dimensiones, que es única para cada proteína. Por ello, averiguar cómo adquieren su forma tridimensional ha sido uno de los anhelos de los biólogos desde hace 50 años. Un enigma que se conoce como el problema del plegamiento de la proteína (protein folding problem, en inglés) y que ahora la inteligencia artificial parece haber resuelto casi totalmente.”

“Así lo aseguró el lunes la compañía DeepMind, fundada en 2010 y adquirida por Google hace seis años. A través del “deep learning” (aprendizaje profundo), la última versión de su sistema de inteligencia artificial AlphaFold ha conseguido predecir cómo las proteínas adquieren su forma, tal y como reconocieron los organizadores del concurso CASP (Evaluación crítica de las técnicas para la predicción estructural proteica, Critical Assessment of protein Structure Prediction en inglés), un experimento comunitario que se celebra dos veces al año.”

"Este hito demuestra el impacto que la inteligencia artificial puede tener en los descubrimientos científicos y su potencial para acelerar el progreso en algunos de los campos más importantes que explican y modelan nuestro mundo", ha señalado la compañía DeepMind.”

“Las proteínas juegan un papel esencial en muchos procesos, desde el desarrollo de una enfermedad y por tanto en el descubrimiento de tratamientos médicos para combatirlas, a la búsqueda de enzimas que destruyan desechos industriales. Por eso, conocer cómo adquieren su forma, señalan los ingenieros de DeepMind, puede ayudar a acelerar el desarrollo de fármacos para tratar enfermedades, incluyendo la Covid-19, y a mejorar procesos industriales. Pero también a conocer mejor cómo funciona el cuerpo humano y el mundo.”

"Esto va a cambiar la medicina, va a cambiar la investigación y la bioingeniería. Lo va a cambiar todo", asegura Andrei Lupas, biólogo en el Instituto Max Planck de Biología del Desarrollo en Tübingen, Germany. Tal y como declaró a la revista Nature, el programa AlphaFold le ha ayudado ya a descubrir la estructura de una proteína en su laboratorio con la que trabajaba desde hace una década.”

"Creo que el logro de DeepMind con AlphaFold es una noticia fantástica que, obviamente, va a tener un gran impacto tanto a nivel científico como industrial, permitiendo, por ejemplo, acelerar el proceso de investigación y desarrollo de nuevos fármacos y optimizar enormemente los costes", señala a EL MUNDO el ingeniero español Luis Muñoz González, investigador del Departamento de Computación del Imperial College London y sin vinculación con este avance.”

“No obstante, Muñoz cree que "quizás tengamos que esperar un poco a que esta tecnología sea aceptada y adoptada tanto por la comunidad científica como por la industria. Estamos hablando de un avance que cambia completamente la metodología y la forma de resolver este problema, comparado con otra serie de técnicas que se llevan utilizando durante bastante tiempo, y es normal que la adaptación lleve un tiempo".

O sea, volvemos al tiempo y al esperar en la investigación científica.

JC Afán:  A este respecto, yo podría añadir algo que forma parte de la sección “¿Qué aporta España hoy?”, y es lo que aparece en el diario La Vanguardia):

“Este avance de la ciencia ha sido posible porque hace 35 años, Alfonso Valencia, acabando un post-doctorado en el Laboratorio  Europeo de Biología Molecular (EMBL) en Heilderberg (Alemania), sentó las bases para un nuevo campo de estudio el de la predicción de proteínas.

“Son la segunda parte del código genético. El ADN se transforma en proteínas, que participan en todos los procesos biológicos, y que no son otra cosa que secuencias de aminoácidos, lineales, que para poder desempeñar una función tienen que plegarse y adquirir una forma tridimensional”.

“Explorar todas las posibles soluciones que una proteína podría asumir usando un ordenador requeriría un tiempo imposible, incluso mayor que la edad del universo.”

“Y ahí es donde entra la investigación realizada por este bioinformático, al frente del Instituto Nacional de Bioinformática (INB- ISCIII). Hace 35 años, cuando investigaba como postdoc en el EMBL, analizaba secuencias de proteínas humanas y las comparaba con las de otros animales para ver qué variaciones había y si éstas se debían a adaptaciones evolutivas. Vio que cuando se producía un cambio de un aminoácido por otro en una posición, este se correlacionaba con otro en otra posición. Y eso permitía predecir contactos: puntos en el mapa 2D claves para entender la estructura tridimensional.”

JC Afan: ¡Han necesitado 35 años en poder llegar a este tipo de historias!

JLP: ¿Cómo pueden haber sacado una vacuna (COVID-19) en tan poco tiempo?

Volviendo a la noticia del inicio:

“El programa de DeepMind ha aprendido a reconocer cómo se forman estas estructuras y es capaz de averiguar la forma tridimensional de proteína en cuestión de horas.”

“Los ingenieros de DeepMind esperan que su programa les ayude a identificar proteínas que han funcionado de manera incorrecta y a averiguar por qué, lo que podría ayudar a desarrollar de forma más precisa y más rápida nuevos fármacos. La IA complementaría a los métodos experimentales actuales para el desarrollo de medicamentos.”

“La predicción de la estructura de una proteína, añaden, podría ser útil también para responder ante futuras pandemias como la del coronavirus. A principios de año, fueron capaces de predecir las estructuras de varias proteínas del coronavirus SARS-CoV-2, entre ellas la ORF3a y la ORF8.”