No sólo los humanos pueden predecir una enfermedad genética y crear un nuevo medicamento, sino también
¿Cómo estudian los biólogos las proteínas humanas?
Durante más de 10 años, el biólogo molecular Martin Beckjunto con sus colegas intentaron crear un modelo detallado de complejos de poros nucleares. Beck lo llama la máquina molecular más grande en células humanas. El complejo del poro nuclear controla el flujo de moléculas que entran y salen del núcleo celular hacia donde reside el genoma. Cientos de tales complejos existen en todas las células. Cada uno de ellos consta de más de 1.000 proteínas.
Estos miles de piezas forman más de 30 proteínas.bloques de construcción que se entrelazan de diferentes maneras: por lo que trabajar con ellos es aún más difícil. En 2016, un equipo dirigido por Beck en el Instituto Max Planck de Biofísica (MPIB) informó que había creado un modelo que describe aproximadamente el 30 % del complejo del poro nuclear y casi la mitad de los componentes básicos, en otras palabras, las proteínas Nup.
¿Cómo aprenden los algoritmos las proteínas humanas?
En julio de 2021, DeepMind, parte deAlphabet, la empresa matriz de Google, presentó una IA llamada AlphaFold. Este software podría predecir la forma tridimensional de las proteínas a partir de su secuencia genética. Los cálculos se realizaron con gran precisión. Esto ha cambiado seriamente las tareas y los intereses de los biólogos.
Usando AlphaFold, los científicos pudieron predecir¿Cuál es la forma de la proteína Nup humana? Y luego publicaron un modelo que describe el 60% del complejo del poro nuclear. Esto ayudó a comprender cómo el complejo estabiliza los poros y controla el flujo de moléculas.
Manía AlphaFold: ¿por qué la IA para estudiar la estructura de las proteínas se ha vuelto tan popular?
Según los biólogos, toda la comunidad científicaagarró AlphaFold-manía. La IA se ha utilizado para una gran cantidad de investigaciones. En algunos casos, el algoritmo ayudó a ahorrar tiempo o proporcionó nuevos datos. Pero la IA también tiene limitaciones: algunos científicos consideran que sus predicciones son demasiado poco confiables para su trabajo. Sin embargo, todos admiten que el algoritmo maneja el procesamiento de datos mejor que nadie.
Incluso los propios desarrolladores de algoritmos no siempretienen tiempo para descubrir en qué otras áreas se puede utilizar: por eso, a menudo simplemente observan cómo los equipos de investigadores hacen nuevos descubrimientos utilizando AlphaFold: desde el descubrimiento de fármacos y el desarrollo de proteínas hasta el origen de la vida compleja.
A mediados de julio de 2021 en el dominio públicoHa aparecido un código de IA de fuente abierta, así como otra información que ayudará a los científicos a comenzar a realizar este tipo de investigación como parte de su trabajo. Una semana después, DeepMind anunció que había utilizado AlphaFold para predecir la estructura de casi todas las proteínas que fabrican los humanos. En total, el equipo estudió 365.000 estructuras biológicas. Hoy, esta base de datos se ha expandido a casi un millón de estructuras.
En 2022, DeepMind planea lanzaren total más de 100 millones de predicciones sobre la estructura biológica de los organismos. Esto es casi la mitad de todas las proteínas conocidas; además, este número es cientos de veces mayor que el de las proteínas que podrían determinarse experimentalmente.
La herramienta ya ha ayudado a los investigadores a encontrar nuevosposibles socios proteicos. Los científicos utilizaron AlphaFold para predecir las estructuras de 65.000 pares de proteínas humanas. Y otro grupo usó AlphaFold y RoseTTAFold para modelar las interacciones entre casi todos los pares de proteínas codificadas por la levadura. Como resultado, encontraron más de 100 complejos de poros nucleares previamente desconocidos.
¿Cómo funciona Alpha Fold?
AlphaFold utiliza redes neuronales profundasAprendizaje: es una estructura informática que funciona como el cerebro humano y reconoce patrones en los datos. El algoritmo se entrenó utilizando cientos de miles de estructuras de proteínas determinadas experimentalmente. Si la IA encuentra una nueva secuencia, primero busca casos similares en las bases de datos.
AlphaFold recorre las sugerencias, intentandosimular una imagen 3D de aminoácidos. Los expertos creen que este software aplicó con éxito nuevas ideas para el aprendizaje automático. En particular, señalan un mecanismo único llamado "atención": determina qué compuestos de aminoácidos son más importantes para el trabajo en un momento determinado.
¿Cuál es el problema con AlphaFold?
Las predicciones de AlphaFold dependen de la información sobresecuencias de proteínas relacionadas, por lo que la IA tiene algunas limitaciones. Por ejemplo, el algoritmo no puede predecir el efecto de las mutaciones en la forma de una proteína, en particular aquellas que causan enfermedades.
Tampoco puede detectar cómo cambian las proteínas.forma debido a otras proteínas o moléculas que interactúan, como los medicamentos. Pero el modelo puede evaluar la confianza de su propia predicción para cada unidad de aminoácido de la proteína. En agosto de 2022, DeepMind informa que más de 400.000 personas han utilizado las bases de datos AlphaFold EMBL-EBI.
¿Cómo ayudarán estos algoritmos a la gente común?
Los investigadores de empresas farmacéuticas y de biotecnología están entusiasmados con el potencial de AlphaFold y afirman que el algoritmo está ayudando a descubrir nuevos fármacos.
Karen Akinsanya, líder de desarrollodesarrollando terapias en Schrödinger, señala que ella y sus colegas han trabajado con AlphaFold con resultados que pueden considerarse exitosos. Pudieron desarrollar compuestos que potencialmente podrían convertirse en medicamentos.
Lee mas:
MIT crea un motor térmico estacionario que supera a las turbinas
Después de diez años de trabajo, los científicos cuestionaron el modelo estándar de la física.
Mira cómo se ve el amanecer en Marte