Una cuestión de formas

Un viejo lema de la biología es que la función equivale a la forma. Un paleontólogo puede deducir que una especie extinta de dinosaurios era carnívora examinando la forma de sus dientes, o el bipedismo de un homínido a partir de la estructura de su pelvis. Si sabes la forma, sabes la función. Lo mismo ocurre si forzamos el microscopio para ver las moléculas esenciales de la vida. La herencia, ya sea entre padres e hijos o entre células madre e hijas, se basa en ...

Un viejo lema de la biología es que la función equivale a la forma. Un paleontólogo puede deducir que una especie extinta de dinosaurios era carnívora examinando la forma de sus dientes, o el bipedismo de un homínido a partir de la estructura de su pelvis. Si sabes la forma, sabes la función. Lo mismo ocurre si forzamos el microscopio para ver las moléculas esenciales de la vida. La herencia, ya sea entre padres e hijos o entre células madre e hijas, se basa en una doble hélice donde cada hélice es complementaria a la otra. Una cuestión de formas.

Y las proteínas, las nanomáquinas que ejecutan todas las tareas del cuerpo, desde transportar el oxígeno por la sangre hasta dotar a las neuronas de un árbol tupido de dendritas, desde digerir la comida hasta construir los componentes celulares que acabarán siendo la comida de otro, son seguramente el ejemplo perfecto de que la función equivale a la forma. Y también el más difícil de resolver para nuestro pobre cerebro. Por fortuna, la inteligencia artificial acaba de cumplir su promesa de ayudarnos en esta cuestión fundamental para el entendimiento y el desarrollo de fármacos, vacunas incluidas.

DeepMind sostuvo siempre que sus sistemas podrían usarse para objetivos biomédicos, y ahora lo han demostrado

Secuenciar, o leer un gen (gatacca…) es una cuestión rutinaria en nuestro tiempo. Lo que significa esa secuencia es otra secuencia, el collar de piedras preciosas que constituye una proteína. Hay 20 tipos distintos de piedras preciosas (los aminoácidos). Unos tienen carga positiva y otros carga negativa, con lo que algunas cuentas del collar tienden a unirse a otras. Con un collar pequeño, como de una docena de cuentas, eso daría algo parecido a un churro, ¿no es cierto? Con un collar de cientos de cuentas, como las proteínas del mundo real, saber qué forma tridimensional se deriva de la secuencia se convierte enseguida en un problema desalentador.

DeepMind, una firma de inteligencia artificial ubicada en Londres y adquirida por Google, ya había roto el marco en los últimos años con unos sistemas capaces de ganar a los mejores jugadores de Go, un juego chino más complejo que el ajedrez, incluida una versión avanzada (AlphaGo Zero) que ni siquiera necesitaba para ello estudiar millones de jugadas de los grandes maestros, la técnica típica del big data, sino que aprendía jugando partidas contra sí mismo, como el jugador de ajedrez de Stefan Zweig. Es fácil burlarse de la empresa por usar toda esa ciencia valiosa para jugar al Go, pero DeepMind sostuvo siempre que sus sistemas podrían usarse para objetivos biomédicos, y ahora lo han demostrado.

Como en el ajedrez, el Go o el póker, el programa de la filial de Google, llamado AlphaFold, ha ganado a un centenar de equipos científicos en la predicción de la forma de una proteína basándose en su mera secuencia (sí, hay un concurso bienal dedicado a eso, se llama CASP). Los resultados se han anunciado este lunes en una conferencia, y han sido saludados por los científicos como un paso de gigante. De esta ciencia básica salen después las aplicaciones biomédicas.

Puedes seguir a MATERIA en Facebook, Twitter, Instagram o suscribirte aquí a nuestra Newsletter