Un algoritmo de  inteligencia artificial propiedad de Google ha predicho la estructura de casi todas las proteínas conocidas. Más de 200 millones de moléculas fundamentales para comprender la biología de todos los seres vivos del planeta, así como los mecanismos de algunas de las enfermedades más comunes, desde la malaria hasta el Alzheimer o el cáncer.

«Este trabajo anuncia una nueva era de la biología digital», dijo Demis Hassabis, el experto en programación y neurología de 45 años que es el principal creador de AlphaFold, el sistema de redes neuronales que ha resuelto casi por completo uno de los retos más difíciles de la naturaleza.

El británico Demis Hassabis era un joven talento del ajedrez y los videojuegos que en 2010 creó Deepmind, una empresa centrada en crear una inteligencia artificial capaz de aprender como los humanos. En 2013, este sistema superó a todos los que jugaban a los videojuegos de Atari.

Google compró la empresa al año siguiente por unos 500 millones de euros.  AlphaGo triunfó ante los mayores campeones de Go en 2017, el increíblemente complicado juego de mesa asiático parecido al ajedrez.

Desde entonces, Hassabis ha centrado su atención en un reto considerablemente mayor: predecir la forma tridimensional de una proteína basándose solo en su secuencia genética, que se representa en dos dimensiones mediante letras de ADN.

Entender la función de estas moléculas requiere conocer su estructura tridimensional a partir de su secuencia genética, pero esto es un reto enorme. Es como completar un puzzle de decenas de miles de piezas sin saber qué imagen representa.

Hasta este enfoque, determinar la forma de una sola proteína hecha de 100 unidades básicas conocidas como aminoácidos podría llevar 13.700 millones de años, la edad del universo.

En el mejor de los casos, los científicos tardaban años en utilizar la microscopía electrónica o aceleradores de partículas masivas como el Sincrotrón Europeo de Grenoble (Francia).

El algoritmo de Google, en cambio, predice la estructura de cualquier proteína en cuestión de segundos: «Este universo de proteínas» es un «regalo para la humanidad», dijo Hassabis en una conferencia de prensa celebrada este martes, junto a científicos del Laboratorio Europeo de Biología Molecular (EMBL), un organismo público que trabajó en el desarrollo de AlphaFold.

Antes de la invención de esta técnica, era posible establecer la estructura de unas 200 mil proteínas, un trabajo que llevó 60 años y en el que participaron miles de científicos. Esta base de datos sirvió de campo de entrenamiento para la inteligencia artificial de Google, que buscaba patrones válidos que predijeran la forma de las proteínas de las que sólo se conocía la secuenciación bidimensional.

El sistema ya había resuelto la estructura de un millón de proteínas, incluidas todas las humanas, en 2021. El lote de este año eleva el total a 200 millones, que representan prácticamente todas las proteínas conocidas de todos los organismos vivos de la Tierra.

El acceso a esta nueva base de datos es libre y gratuito, al igual que el código informático en el que se basa su inteligencia artificial. Este Google of Life muestra la secuencia bidimensional de cualquier proteína, así como un modelo tridimensional que indica el grado de predictibilidad, con un margen de error comparable o incluso inferior a los métodos convencionales.

Es fundamental comprender que AlphaFold se anticipa a la realidad en lugar de determinarla. Escanea la secuencia de ADN y predice cómo estarán dispuestos los aminoácidos con mayor probabilidad.

La predicción es muy fiable, lo que permite a los científicos emprender trabajos teóricos sin tener que emplear equipos costosos para establecer la estructura real de una proteína hasta que sea absolutamente imprescindible.

Los usos de este nuevo instrumento son casi ilimitados, ya que las minúsculas proteínas intervienen en todos los procesos biológicos imaginables, desde la extinción masiva de las abejas hasta la resistencia al calor de los cultivos, pasando por una amplia gama de enfermedades.

El equipo de Matt Higgins, de la Universidad de Oxford (Reino Unido), utilizó AlphaFold en su intento de generar un anticuerpo -un tipo de proteína- capaz de bloquear una de las proteínas necesarias para que la infección de la malaria se reproduzca.

Dentro de unos años, esta investigación podría dar lugar a la primera vacuna altamente protectora contra la enfermedad, que detendría la transmisión del parásito de persona a persona a través de las picaduras de mosquito.