DeepMind revela la estructura de 200 millones de proteínas en un salto científico | mente profunda

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

Las proteínas son los componentes básicos de la vida. Consiste en cadenas de aminoácidos, plegadas en formas complejas, cuya estructura tridimensional 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 una cadena de aminoácidos, predecir cómo interactuarán para formar una forma tridimensional ha sido más difícil y, hasta hace poco, los científicos solo habían descifrado una fracción de los aproximadamente 200 m de proteínas conocidas por Ciencias.

En noviembre de 2020, el Grupo de Inteligencia Artificial mente profunda Anunció que había desarrollado un programa llamado AlphaFold que podía predecir rápidamente esta información usando un algoritmo. Desde entonces, ha estado triturando los códigos genéticos de cada organismo cuyo genoma ha sido secuenciado, prediciendo las estructuras de los cientos de millones de proteínas que contienen colectivamente.

El año pasado, DeepMind publicó las estructuras de proteínas de veinte especies, incluidas Los seres humanos expresan aproximadamente 20.000 proteínas – Abierto Base de datos. Ahora ha hecho el trabajo, liberando las estructuras predichas de más de 200 millones de proteínas.

«Esencialmente, puede pensar que cubre todo el mundo de las proteínas», dijo Demis Hassabis, DeepMind y el fundador y director ejecutivo de DeepMind.

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 anunciar Utilizaron modelos AlphaFold para ayudar a determinar la estructura de una proteína clave del parásito de la malaria y determinar dónde es probable que se unan los anticuerpos que podrían prevenir la transmisión del parásito.

«Anteriormente, usamos una técnica llamada cristalografía de proteínas para ver cómo se veía esta molécula, pero debido a que es tan dinámica y en movimiento, no pudimos manejarla», dijo Higgins. «Cuando tomamos los modelos AlphaFold y los combinamos con esta evidencia experimental, de repente todo tuvo sentido. Esta información ahora se utilizará para diseñar vacunas mejoradas que inducen anticuerpos que son más efectivos para prevenir la transmisión».

Los científicos del Centro de Innovación de Enzimas de la Universidad de Portsmouth también están utilizando modelos AlphaFold para identificar enzimas del mundo natural que pueden modificarse para digerir y reciclar plástico. Dijo el profesor John McGeehan, quien dirige el trabajo. «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».

Profesora Dame Janet Thornton, líder de grupo y científica en jefe de European Molecular biología El Instituto Europeo de Bioinformática de Laboratorio dijo: «Las predicciones de la estructura de la proteína AlphaFold ya se están utilizando de innumerables maneras. Espero que esta última actualización conduzca a un torrente de nuevos y emocionantes descubrimientos en los próximos meses y años, todo gracias al hecho de que los datos son disponible para que todos lo usen.”