¿Ha resuelto AlphaFold el problema del plegamiento de proteínas de la biología?

Cuando la gente de todo el mundo se maravilló con las imágenes más detalladas del cosmos tomadas por el telescopio espacial James Webb, los biólogos vieron por primera vez un conjunto diferente de imágenes, que podrían ayudar a revolucionar la investigación en ciencias de la vida.

Las imágenes son las formas tridimensionales predichas de más de 200 millones de proteínas, representadas por un sistema de inteligencia artificial llamado AlphaFold, se podría decir que cubre todo el universo de las proteínas. Combinando varias técnicas de aprendizaje profundo, el programa de computadora está capacitado para predecir formas de proteínas mediante el reconocimiento de patrones en estructuras que ya se han resuelto a través de décadas de trabajo experimental utilizando microscopios electrónicos y otros métodos.

El primer avance de la IA se produjo en 2021, con predicciones para 350.000 estructuras de proteínas, incluidas casi todas las proteínas humanas conocidas, puede buscar una estructura tridimensional de una proteína casi tan fácilmente como hacer una búsqueda de palabras clave en Google. Los investigadores han utilizado algunas de las predicciones para desarrollar posibles nuevas vacunas contra la malaria, mejorar la comprensión de la enfermedad de Parkinson, descubrir cómo proteger la salud de las abejas, obtener información sobre la evolución humana y más. 

La arquitectura de una proteína es más que sólo estética; puede determinar cómo funciona esa proteína, por ejemplo, las proteínas llamadas enzimas necesitan un bolsillo donde puedan capturar pequeñas moléculas y llevar a cabo reacciones químicas y las proteínas que funcionan en un complejo de proteínas (dos o más proteínas que interactúan como partes de una máquina) necesitan las formas correctas para encajar en la formación con sus socios. Conocer los pliegues, las espirales y los bucles de la forma de una proteína puede ayudar a los científicos a descifrar cómo, por ejemplo, una mutación altera esa forma para causar una enfermedad. Ese conocimiento también podría ayudar a los investigadores a fabricar mejores vacunas y medicamentos.

Algunos investigadores, por ejemplo, han usado las predicciones de AlphaFold para ayudarlos a estar más cerca de completar un enorme rompecabezas biológico: el complejo de poros nucleares. Los poros nucleares son portales clave que permiten que las moléculas entren y salgan de los núcleos celulares, sin los poros, las células no funcionan correctamente. Cada poro es enorme, relativamente hablando, compuesto por unas 1.000 piezas de unas 30 proteínas diferentes. Las representaciones por computadora les dan a los biólogos una ventaja para resolver problemas tales como cómo un fármaco podría interactuar con una proteína.