Las proteínas son moléculas que desempeñan un papel fundamental en casi todas las funciones de los organismos vivos.
Están compuestas por una secuencia de aminoácidos, bloques básicos de 20 tipos diferentes que se pueden combinar de manera infinita. Siguiendo las instrucciones almacenadas en el ADN, los aminoácidos de una proteína se enlazan para formar una larga cadena que se retuerce y adopta una estructura tridimensional específica.
El orden de los aminoácidos determina cuál será la estructura tridimensional de la proteína. Y es esa estructura la que otorga a la proteína su función. “Tu sistema inmunológico son proteínas; la digestión son las enzimas, que también son proteínas”, explica a la AFP Sophie Sacquin-Mora, experta del Laboratorio francés de Bioquímica Teórica.
“Buscar una estructura equivale a querer hallar una proteína con una función específica. La naturaleza ya nos proporciona decenas de miles de proteínas diferentes, pero a veces quieres que haga algo que aún no sabe hacer”, añade.
El estadounidense David Baker “descifró el código” de la secuencia de aminoácidos, según las palabras del Comité Nobel. Diseñó una estructura de proteína completamente nueva y, con la ayuda de Rosetta, un programa informático que creó, logró determinar qué secuencia de aminoácidos permitiría obtener dicho resultado.
Rosetta exploró una base de datos de todas las estructuras proteicas conocidas y buscó pequeños fragmentos de proteínas que mostraran similitudes con la estructura deseada. Luego optimizó esos fragmentos y propuso una secuencia de aminoácidos.
El británico Demis Hassabis y el estadounidense John Jumper siguieron el camino inverso, prediciendo cómo sería una proteína a partir de la secuencia de aminoácidos.
Para ello utilizaron inteligencia artificial. Con redes neuronales artificiales y aprendizaje profundo, por los que John Hopfield y Geoffrey Hinton recibieron el martes el Nobel de Física, entrenaron su modelo, AlphaFold2, alimentándolo con todas las secuencias de aminoácidos y las estructuras correspondientes conocidas hasta entonces.
Ante una secuencia desconocida, AlphaFold2 compara las similitudes con secuencias ya conocidas y elabora un mapa que estima la distancia entre cada aminoácido en la proteína, y poco a poco logra reconstruir el rompecabezas tridimensional. Así pudieron predecir la estructura de casi la totalidad de las 200 millones de proteínas conocidas.
Visualizar la estructura de una proteína permite “comprender mejor por qué se desarrollan ciertas enfermedades, cómo se produce la resistencia a los antibióticos o por qué algunos microbios pueden descomponer el plástico”, subraya el Comité Nobel.
NUEVAS POSIBILIDADES. Crear proteínas con nuevas funciones “puede conducir a nuevos nanomateriales, a medicamentos específicos, al desarrollo más rápido de vacunas, a desarrollar sensores minimalistas y una industria química más ecológica”, añade.
Durante el anuncio del Nobel, David Baker mencionó la creación de nuevos antivirales durante la pandemia de Covid-19.
“Si se trabajara de manera aleatoria, solo haciendo combinaciones, tomaría muchísimo tiempo” a la hora de crear nuevas proteínas, detalla Sacquin-Mora.
“En este caso partimos de una proteína que conocemos un poco, que sabemos que funciona, y hacemos modificaciones, especialmente en la secuencia, de manera muy específica, para obtener la función que nos interesa exactamente. Hacemos 50 intentos en lugar de 5 millones, lo que supone un ahorro de tiempo considerable”, dice.
CAMBIO DE JUEGO. Científicos y expertos han valorado muy positivamente el reconocimiento.
Para Liset Menéndez de la Prida, profesora de investigación del Instituto Cajal del español Consejo Superior de Investigaciones Científicas (CSIC), este ha sido un premio “esperado” por la comunidad científica. En su opinión, las herramientas computacionales de código abierto, que permiten predecir la estructura tridimensional de millones de proteínas con una alta precisión y velocidad de cálculo, “han supuesto un cambio de juego en el campo del diseño de proteínas”.
Ahora, “equipados con estas herramientas, los científicos pueden simular nuevas estructuras, predecir interacciones hasta ahora ignoradas, o crear proteínas nuevas a la carta”.
Y aunque normalmente los Nobel pueden tardar años en premiar las investigaciones, en este caso ha sido “realmente sorprendente la celeridad” de la Academia sueca, dado que la primera versión de AlphaFold, de Jumper y Hassabis, es de 2018, aunque los algoritmos computacionales que permitieron a Baker desarrollar Rosetta son de 2005, ha recordado la investigadora.
“Ambas herramientas hacen uso de técnicas de inteligencia artificial para desarrollar algoritmos de aprendizaje automático. Precisamente las redes neurales artificiales han sido galardonadas con el Nobel de Física este año para Hopfield y Hinton. Ese el año de la IA también para los Nobel, una prueba más de la transformación que estamos viviendo”, concluye.
