Un laboratorio londinense que trabaja en Inteligencia Artificial anuncia un avance que podría acelerar el desarrollo de nuevos medicamentos. Los investigadores de DeepMind dicen que han resuelto «el problema del plegamiento de proteínas», una tarea que ha atormentado a los científicos durante más de 50 años.
Algunos científicos se pasan la vida tratando de determinar la forma de pequeñas proteínas en el cuerpo humano. Las proteínas son los mecanismos microscópicos que regulan el comportamiento de virus, bacterias, el cuerpo humano y todos los seres vivos. Comienzan como cadenas de compuestos químicos, antes de retorcerse y doblarse en formas tridimensionales que definen lo que pueden hacer y lo que no pueden.
Para los biólogos, identificar la forma precisa de una proteína a menudo requiere meses, años o incluso décadas de experimentación. Requiere habilidad, inteligencia y más que un poco de esfuerzo. A veces nunca lo consiguen.
Ahora, un laboratorio de inteligencia artificial en Londres ha construido un sistema informático que puede hacer el trabajo en unas pocas horas, tal vez incluso en unos minutos.
DeepMind, un laboratorio propiedad de la misma empresa matriz que Google, dijo el lunes que su sistema, llamado AlphaFold, había resuelto lo que se conoce como «el problema del plegamiento de proteínas». Dada la cadena de aminoácidos que componen una proteína, el sistema puede predecir de manera rápida y confiable su forma tridimensional.
Este avance tan buscado podría acelerar la capacidad de comprender enfermedades, desarrollar nuevos medicamentos y desvelar los misterios del cuerpo humano.
Los informáticos han luchado por construir un sistema de este tipo durante más de 50 años. Durante los últimos 25, han medido y comparado sus esfuerzos a través de una competencia global llamada Critical Assessment of Structure Prediction (Evaluación crítica de la predicción de estructuras), o C.A.S.P. Hasta ahora, ningún concursante se había acercado siquiera a resolver el problema.
DeepMind resolvió el problema con una amplia gama de proteínas, alcanzando un nivel de precisión que rivalizaba con los experimentos físicos. Muchos científicos habían asumido que ese momento aún estaba a años, si no décadas, de distancia.
«Siempre esperé vivir para ver este día», dijo John Moult, profesor de la Universidad de Maryland que ayudó a crear C.A.S.P. en 1994 y continúa supervisando el concurso bienal. «Pero no siempre fue obvio que iba a lograrlo».
Como parte del C.A.S.P. de este año, el Dr. Moult y otros investigadores que supervisan el concurso revisaron la tecnología de DeepMind.
Si los métodos de DeepMind pueden perfeccionarse, dijeron él y otros investigadores, podrían acelerar el desarrollo de nuevos medicamentos, así como los esfuerzos para aplicar los medicamentos existentes a nuevos virus y enfermedades.
El avance llega demasiado tarde para tener un impacto significativo en el coronavirus. Pero los investigadores creen que los métodos de DeepMind podrían acelerar la respuesta a futuras pandemias. Algunos creen que también podría ayudar a los científicos a comprender mejor las enfermedades genéticas como el Alzheimer o la fibrosis quística.
Aún así, los expertos advirtieron que esta tecnología afectaría solo una pequeña parte del largo proceso mediante el cual los científicos identifican nuevos medicamentos y analizan enfermedades. Tampoco estaba claro cuándo o cómo DeepMind compartiría su tecnología con otros investigadores.
DeepMind es uno de los actores clave en un cambio radical que se ha extendido por la academia, la industria tecnológica y la comunidad médica durante los últimos 10 años. Gracias a una tecnología de inteligencia artificial llamada red neuronal, las máquinas ahora pueden aprender a realizar muchas tareas que alguna vez estuvieron fuera de su alcance y, a veces, fuera del alcance de los humanos.
Una red neuronal es un sistema matemático modelado libremente en la red de neuronas del cerebro humano. Aprende habilidades analizando grandes cantidades de datos. Al identificar patrones en miles de fotos de gatos, por ejemplo, puede aprender a reconocer a un gato.
Esta es la tecnología que reconoce caras en las fotos que publicas en Facebook, identifica los comandos que gruñís en tu smartphone y traduce un idioma a otro en Skype y otros servicios. DeepMind está utilizando esta tecnología para predecir la forma de las proteínas.
Si los científicos pueden predecir la forma de una proteína en el cuerpo humano, pueden determinar cómo otras moléculas se unirán o se unirán físicamente a ella. Ésta es una de las formas en que se desarrollan los fármacos: un fármaco se une a determinadas proteínas de su cuerpo y altera su comportamiento.
John Jumper, científico principal del equipo DeepMind.Credit … DeepMind
Al analizar miles de proteínas conocidas y sus formas físicas, una red neuronal puede aprender a predecir las formas de otras. En 2018, utilizando este método, DeepMind ingresó a la competencia C.A.S.P. por primera vez y su sistema superó a todos los demás competidores, lo que indica un cambio significativo. Pero su equipo de biólogos, físicos e informáticos, dirigido por un investigador llamado John Jumper, no estaba ni cerca de resolver el problema final.
En los dos años transcurridos desde entonces, el Dr. Jumper y su equipo diseñaron un tipo completamente nuevo de red neuronal específicamente para el plegamiento de proteínas, y esto generó un enorme salto en la precisión. Su última versión proporciona una solución poderosa, aunque imperfecta, al problema del plegamiento de proteínas, dijo la científica investigadora de DeepMind Kathryn Tunyasuvunakool.
El sistema puede predecir con precisión la forma de una proteína aproximadamente dos tercios del tiempo, según los resultados del concurso C.A.S.P. Y sus errores con estas proteínas son más pequeños que el ancho de un átomo, una tasa de error que rivaliza con los experimentos físicos.
«La mayoría de los átomos en el modelo están dentro de un diámetro de átomo de donde se encuentran en la estructura experimental», dijo el Dr. Moult, el organizador del concurso. «Y con los que no lo son, hay otras posibles explicaciones de las diferencias».
Andrei Lupas, director del departamento de evolución de proteínas del Instituto Max Planck de Biología del Desarrollo en Alemania, se encuentra entre los que trabajaron con AlphaFold. Él es parte de un equipo que pasó una década tratando de determinar la forma física de una proteína en particular en un organismo diminuto parecido a una bacteria llamado arqueón.
Esta proteína se extiende a ambos lados de la membrana de las células individuales (una parte está dentro de la célula, otra fuera) y eso dificulta que científicos como el Dr. Lupas puedan determinar la forma de la proteína en el laboratorio. Incluso después de una década, no pudo precisar la forma.
Con AlphaFold, resolvió el problema en media hora.
Si estos métodos continúan mejorando, dijo, podrían ser una forma particularmente útil de determinar si un nuevo virus podría tratarse con un cóctel de medicamentos existentes.
«Podríamos comenzar a analizar todos los compuestos autorizados para su uso en humanos», dijo el Dr. Lupas. “Podríamos enfrentar la próxima pandemia con los medicamentos que ya tenemos”.
Durante la pandemia actual, una forma más simple de inteligencia artificial resultó útil en algunos casos. Un sistema construido por otra empresa de Londres, BenevolentAI, ayudó a identificar un medicamento existente, baricitinib, que podría usarse para tratar a pacientes con Covid-19 gravemente enfermos. Los investigadores ahora han completado un ensayo clínico, aunque los resultados aún no se han publicado.
A medida que los investigadores continúan mejorando la tecnología, AlphaFold podría acelerar aún más este tipo de reutilización de medicamentos, así como el desarrollo de vacunas completamente nuevas, especialmente si encontramos un virus que es incluso menos conocido que el Covid-19.
David Baker, director del Instituto de Diseño de Proteínas de la Universidad de Washington, que ha estado utilizando tecnología informática similar para diseñar medicamentos contra el coronavirus, dijo que los métodos de DeepMind podrían acelerar ese trabajo.
“Pudimos diseñar proteínas neutralizadoras de coronavirus en varios meses”, dijo. «Pero nuestro objetivo es hacer este tipo de cosas en un par de semanas».
Aún así, la velocidad del desarrollo debe lidiar con otros problemas, como los ensayos clínicos masivos, dijo el Dr. Vincent Marconi, investigador de la Universidad Emory en Atlanta que ayudó a dirigir el ensayo de baricitinib. «Eso lleva tiempo», dijo.
Pero los métodos de DeepMind podrían ser una forma de determinar si un ensayo clínico fracasará debido a reacciones tóxicas u otros problemas, al menos en algunos casos.
Demis Hassabis, director ejecutivo y cofundador de DeepMind, dijo que la compañía planeaba publicar detalles que describieran su trabajo, pero es poco probable que eso suceda hasta el próximo año. También dijo que la compañía estaba explorando formas de compartir la tecnología con otros científicos.
DeepMind es un laboratorio de investigación. No vende productos directamente a otros laboratorios o empresas. Pero podría trabajar con otras empresas para compartir el acceso a su tecnología a través de Internet.
Los mayores avances del laboratorio en el pasado han involucrado juegos. Construyó sistemas que superaron el rendimiento humano en el antiguo juego de estrategia Go y el popular videojuego StarCraft: logros enormemente técnicos sin aplicación práctica. Ahora, el equipo de DeepMind está ansioso por llevar su tecnología de inteligencia artificial al mundo real.
«No queremos ser una empresa líder», dijo el Dr. Jumper. «Queremos una verdadera relevancia biológica».