La biología molecular acaba de tener un gran avance, es como el día de la batería una vez más

¡Compártelo!

No es frecuente que una sola noticia cambie la trayectoria del futuro de la humanidad. El último fue el Día de la batería de Tesla, después del cual hemos pasado más de un mes reflexionando sobre cómo este avance dará forma a la línea de tiempo de la revolución de la batería, tratando de comprender su importancia. Esa revelación nos acercó a la sostenibilidad y, sin embargo, nos mostró que, para prevenir un cambio climático catastrófico, todavía está fuera de nuestro alcance.

Esta semana, volvimos a tener uno de esos días en los que un solo evento nuevo cambia la trayectoria del futuro de la humanidad; un avance científico que no se esperaba hasta dentro de una década, un avance que muchos esperaban que necesitaría una computadora cuántica para lograrlo. Mente profunda resolvió un problema con el que los científicos han estado luchando durante más de 50 años: el plegamiento de proteínas.

¿Qué son las proteínas?

Las proteínas se pueden describir como el nivel más bajo de pequeños robots que pueden convertir A en B. Tienes átomos. Cuando se combinan, se convierten en aminoácidos. Cuando los aminoácidos se combinan, obtienes proteínas. Cuando combina proteínas con carbohidratos, lípidos y ácidos nucleicos, comienza a formar los componentes de una célula.

Sin profundizar mucho más en la biología, no es tan sencillo explicar las proteínas, así que déjame darte algunos ejemplos: las hormonas y los factores de crecimiento son proteínas. Las proteínas también pueden ser receptores. La insulina y la oxitocina también son proteínas. La hemoglobina es una proteína que los animales tienen en la sangre y que aparentemente hace que la carne sea más sabrosa. Luego está la leghemoglobina, que es una alternativa vegetal que Impossible Foods extrae de una levadura modificada para hacer que su Impossible Burger sea tan sabrosa.

COVID-19 tiene múltiples proteínas que inicialmente no entendimos, incluido el pico que hace que el virus sea tan peligroso. Ésa también es una proteína que no entendimos muy bien, y nos llevó mucho tiempo y dinero comprenderla.

El problema de las proteínas, el plegamiento.

Averiguar de qué está hecha una proteína y descubrir qué está conectado con qué dentro de las cadenas de aminoácidos de la proteína no es un gran problema. En otras palabras, podemos hacernos un plano 2D. Eso, sin embargo, es un grito de fritura de una máquina tridimensional en funcionamiento real. Todos los aminoácidos de la proteína se pliegan en una compleja forma tridimensional que realmente la hace funcional. La hemoglobina cuando se pliega tiene un lugar perfecto para unirse a una molécula de oxígeno, y cuando llega a su destino, también cambia perfectamente de forma para liberar esa molécula de oxígeno.

CRISPR ayuda a editar el ADN, y lo hace utilizando la proteína CAS9 para cortarlo, pero averiguarlo y comprender cómo lo hace no es fácil. Implica mucho ensayo y error, un trabajo realmente exhaustivo. Los métodos para determinar la forma tridimensional de una proteína requerían un costoso equipo de laboratorio de varios millones de dólares, como microscopía electrónica, resonancia magnética nuclear y cristalografía de rayos X, así como años de trabajo para una sola proteína. En un ejemplo relevante, incluso después de 10 años, un equipo con el equipo adecuado no pudo mapear los pliegues de una proteína.

La solución: la IA de DeepMind

DeepMind es una empresa subsidiaria de Alphabet Inc. (anteriormente conocida como Google Inc.). Es bien conocido por crear una IA en 2016 llamada AlphaGo que podría vencer incluso a los campeones del mundo en el juego de mesa chino Go. DeepMind también es conocido por crear AlphaStar, que puede jugar al popular juego de eSports StarCraft II. En 2020, va camino de convertirse en campeón mundial. Los juegos, sin embargo, no son lo único en lo que trabaja DeepMind, y hoy estamos hablando de un proyecto suyo llamado AlphaFold, una IA que puede predecir cómo se plegarán las proteínas.

Imagen cortesía de DeepMind

Originalmente, AlphaFold llegó a los titulares en 2018 cuando su IA pudo predecir con mucha más precisión cómo se plegarán las proteínas. Sin embargo, para que una solución al problema sea viable, necesitamos una coincidencia del 90% o más. En ese punto, el margen de error es aproximadamente del ancho de un átomo. Esa es solo la forma fácil de pensar en ello, porque en realidad lo que necesitamos son 90 GDT de 100: GDT significa la escala de prueba de distancia global. En 2018, AlphaFold casi alcanzó los 60 GDT, lo que supuso un gran salto con respecto a los registros anteriores, un poco más de 40 GDT. Ahora, en 2020, DeepMind presentó AlphaFold 2. El sistema ha logrado una puntuación media de 92,4 GDT y una puntuación media de 87 GDT para la categoría más difícil, llamada modelado libre. En este punto, cualquier discrepancia podría ser simplemente errores en las pruebas de laboratorio o una alternativa válida de la proteína.

Ahora, en lugar de esperar años, los científicos pueden plegar proteínas en unos pocos días. Los críticos se apresuran a señalar que algunos competidores pueden obtener un resultado menos preciso en segundos y que en algunas aplicaciones la velocidad es más importante. Hay algo de verdad en esto, y la razón por la cual se hará evidente en la siguiente parte, pero sin un plegamiento de proteínas preciso, las aplicaciones médicas no serán aprobadas.

Otra crítica es que el alcance de la prueba y el alcance de los datos en los que se entrenó la IA no era lo suficientemente amplio como para ser realmente práctico en el mundo real. Esto es algo que tanto DeepMind como los organizadores de CASP que realizaron las pruebas disputan. Al final, solo después de que el programa se use ampliamente lo sabremos con certeza, pero este argumento es mucho más controvertido que el de la velocidad.

Entonces, ¿qué significa esto para el mundo, para el futuro?

Nadie puede decirlo con certeza porque esto abre nuevas posibilidades, cambia muchas líneas de tiempo y planes de diferentes científicos y corporaciones. Hay algunas cosas que sabemos con certeza, una vez que AlphaFold sea revisado por pares y sus principios fundamentales se expliquen a la comunidad científica, esto podría convertirse rápidamente en la herramienta número uno en el conjunto de herramientas de un biólogo molecular.

A partir de ahí, de las 20.000 proteínas humanas, las 15.000 restantes se pueden mapear y explorar en una fracción del tiempo que tomó el primer trimestre. A continuación, se pueden crear fármacos para apuntar o hacer uso de esas proteínas. La hemoglobina, cuando se pliega, tiene un lugar perfecto al que se une el oxígeno, de la misma manera que podríamos fabricar medicamentos que apunten perfectamente a la proteína de pico COVID-19.

Sin embargo, y aquí es donde la parte de las tecnologías limpias comienza a aparecer, actualmente tenemos cerca de 20 millones de proteínas registradas que ahora también podemos plegar y analizar sus propiedades únicas de una manera que nunca antes habíamos podido: proteínas que podrían crear completamente nuevos materiales, proteínas que pueden descomponer varios tipos de basura. En este momento, ya estamos entusiasmados con las enzimas que pueden comer plástico. Imagine una proteína que combina múltiples enzimas para descomponer el papel, el plástico y los desechos naturales. Imagínese una proteína que está perfectamente diseñada para eliminar las manchas en la ropa y que nos permitiría lavar toda la ropa con detergente y con agua fría en lugar de agua tibia, lo mismo ocurre con el lavavajillas.

En este punto, nos adentramos más en la biología sintética, donde cambiamos el ADN y diseñamos nuevas proteínas nosotros mismos. De hecho, en la naturaleza, solo podemos encontrar 20 o posiblemente 21 aminoácidos que se usan en proteínas y usando solo esos 20 aminoácidos, la naturaleza a través del lento proceso de evolución solo ha tenido tiempo de explorar una pequeña fracción de las posibles permutaciones de proteínas. . Al comprender cómo funciona el plegamiento de proteínas, podemos simularlos a todos y no hay ninguna ley en física que nos prohíba intentar agregar más aminoácidos a la lista después de eso.


Aún queda mucho trabajo por hacer

Gracias a este avance, ahora estamos en el punto en el que podemos usar la IA, elegir una proteína y descubrir cómo se ve cuando se ha plegado en unos pocos días. Con 1000 laboratorios utilizando esta IA, nos llevaría entre 30 y 45 días trazar el mapa del resto de las proteínas humanas y 165 años trazar el resto de las proteínas de la base de datos. Sin embargo, tener eso no es suficiente; lo que también necesitaremos es una IA que nos ayude a comprender las interacciones físicas en estas proteínas, cómo las proteínas juntas forman sistemas más complicados, cómo estas proteínas interactúan con el ADN, el ARN, las moléculas pequeñas y el entorno en el que desea introducirlos. Luego, finalmente, una IA capaz de hacer todo lo necesario para poder predecir cuál de las proteínas que ha analizado o sintetizado tiene propiedades únicas que sería interesante llamar nuestra atención.

En cualquier caso, es un avance fantástico. Aún no se sabe cómo esto cambia nuestro futuro, pero el campo de la biología molecular y la biología sintética se ha vuelto aún más emocionante de lo que ya era.

.
Y eso es todo por ahora, nos vemos en una próxima noticia. ¡Hasta la vista!

¡Compártelo!

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *