AlphaFold: herramienta de IA predice estructuras de casi todas las proteínas conocidas | noticias del mundo

NUEVA DELHI: Una herramienta de inteligencia artificial desarrollada por una empresa hermana de Google predijo y publicó las estructuras de casi todas las proteínas, los componentes básicos de la vida, desbloqueando lo que podría ser una de las bases de datos más influyentes para la investigación orgánica.

AlphaFold, una herramienta desarrollada por la empresa de investigación de inteligencia artificial DeepMind Technologies, propiedad de Alphabet, anunció en una publicación de blog del CEO el 29 de julio que ha publicado las estructuras de más de 200 millones de estructuras de proteínas en colaboración con el Instituto Europeo de Bioinformática (EMBL-EBI). “Esta actualización incluye estructuras pronosticadas para plantas, bacterias, animales y otros organismos, lo que abre muchas oportunidades nuevas para que los investigadores usen AlphaFold para avanzar en su trabajo sobre cuestiones importantes, como la sostenibilidad, la ‘inseguridad alimentaria y las enfermedades desatendidas'”, dice la publicación de El director ejecutivo de DeepMind, Demis Hassabis.

Las proteínas se conocen comúnmente como los componentes básicos de la vida, compuestas de una combinación de aminoácidos. Es fácil identificar una proteína por su aminoácido constituyente, pero esta es solo información unidimensional. Lo que es importante entender es cómo estos aminoácidos encajan y se “plegan” para crear una estructura proteica.

Por ejemplo, Sars-Cov-2 tiene una proteína que se pliega como una espiga. Por lo tanto, esta forma es relevante para los biólogos, ya que pueden diseñar anticuerpos y terapias para, por ejemplo, neutralizar esta proteína (suprimiendo así su capacidad para infectar más células). Esta información tridimensional se recopila principalmente mediante microscopios crioelectrónicos.

En diciembre de 2020, AlphaFold cruzó por primera vez el umbral de predecir el plegamiento de proteínas, o estructuras, solo a partir de secuencias de aminoácidos con gran precisión. En los meses que siguieron, se utilizó para crear la base de datos ahora publicada.

“Ser capaz de ‘simplemente descargar’ el conjunto completo de predicciones, estoy seguro, estimulará direcciones de investigación completamente nuevas. Igualmente importante es el ‘oh, voy a mutar mi proteína, me pregunto dónde está en la estructura’ cuando se le pregunta por… *todas las proteínas conocidas*”, escribió Ewan Birney, director de EMBL-EBI. , en un tuit.

El desarrollo recuerda a los avances en las tecnologías de inteligencia artificial, que han demostrado la capacidad de crear arte, jugar juegos como Go, escribir ficción y mantener conversaciones similares a las humanas aprovechando grandes conjuntos de datos.

Si bien las tecnologías de IA se han destacado en aplicaciones únicas, como el aprendizaje y la predicción de estructuras de proteínas, existe un debate acalorado sobre si estos modelos de aprendizaje profundo pueden o ya han alcanzado más atributos humanos de sensibilidad. Por ahora, existe un amplio consenso sobre un aspecto: los modelos de aprendizaje profundo ayudarán a abrir las próximas fronteras de la ciencia.