Las proteínas son las máquinas moleculares que hacen funcionar a todos los organismos vivos. Una proteína es una cadena de aminoácidos que se pliega en una forma tridimensional específica. Esa forma determina su función. Si la forma cambia, la función cambia. Si la forma es incorrecta, la proteína no funciona y el resultado puede ser una enfermedad.
Predecir qué forma toma una proteína a partir de su secuencia de aminoácidos se llamó el problema del plegamiento de proteínas. Los biólogos lo identificaron como problema central en los años setenta. Cincuenta años después, seguía sin resolverse.
En 2020, AlphaFold 2 de DeepMind presentó sus resultados en la competencia CASP, el benchmark internacional del campo. Los jueces, que evaluaban las predicciones comparándolas con estructuras determinadas experimentalmente, pensaron que había un error en los datos.
No había error. AlphaFold había resuelto el problema.
Por qué era tan difícil
Una proteína mediana tiene cientos de aminoácidos. Cada uno puede rotar en múltiples ángulos respecto al siguiente. El número de configuraciones posibles es astronómico. El físico Cyrus Levinthal calculó en 1969 que si una proteína tuviera que probar todas las configuraciones posibles al azar para encontrar la correcta, el proceso tomaría más tiempo que la edad del universo.
Sin embargo, las proteínas se pliegan en milisegundos. La naturaleza encontró un camino rápido. Los biólogos no podían encontrar cuál.
AlphaFold no encontró el camino que usa la naturaleza. Encontró una manera distinta de llegar al mismo resultado: predecir la estructura final directamente desde la secuencia, con una precisión que en la mayoría de los casos supera la de los métodos experimentales más precisos.
Lo que cambió después
DeepMind publicó AlphaFold como herramienta gratuita y abierta. En los dos años siguientes, los investigadores la usaron para predecir las estructuras de más de doscientos millones de proteínas conocidas, prácticamente todo el proteoma de todos los organismos cuyo genoma fue secuenciado.
Antes de AlphaFold, determinar experimentalmente la estructura de una sola proteína tomaba meses o años y costaba decenas de miles de dólares. Después, toma segundos y es gratis.
El impacto en el diseño de fármacos, en la comprensión de enfermedades genéticas y en la biología básica es difícil de sobreestimar. Los investigadores que trabajaron en el problema del plegamiento durante décadas describieron el momento como si alguien hubiera encendido las luces en una habitación donde llevaban cincuenta años trabajando a oscuras.
El Nobel que siguió
En 2024, Demis Hassabis, el fundador de DeepMind, y John Jumper, el investigador principal de AlphaFold, recibieron el Premio Nobel de Química. El Nobel reconoció específicamente AlphaFold como una contribución que transformó la biología.
Es uno de los pocos casos en la historia en que un sistema de inteligencia artificial recibió el reconocimiento científico más alto del mundo por resolver un problema que los científicos humanos no habían podido resolver.
Fuente original: Nature
