Actualidad    CIENCIA

DeepMind aplica inteligencia artificial para predecir la estructura 3D de una proteína

La firma de Google espera que este sistema ayude a los científicos a precisar los diagnósticos de enfermedades como el Alzheimer o el Parkinson

04 DIC. 2018
3 minutos
Recreación de los pliegue de la estructura 3D de una proteína. / DeepMind

El sistema AlphaFold desarrollado por DeepMind, empresa de Google, ya es capaz de predecir la estructura 3D en la que se pliega una proteína y lo ha conseguido a partir de su secuencia genética. Gracias a este avance, los científicos van a poder comprender la función de cada proteína dentro del cuerpo, así como para diagnosticar y tratar enfermedades que se cree que están causadas por proteínas ‘mal plegadas’, como el Alzheimer, Parkinson, Huntington y la fibrosis quística.

“Estamos especialmente entusiasmados con la forma en que podría mejorar nuestra comprensión del cuerpo y cómo funciona, al permitir a los científicos diseñar nuevos tratamientos más eficientes para enfermedades”, señalan desde la compañía.

Para DeepMind, “se abre un nuevo potencial dentro del descubrimiento de medicamentos y, además, se reducen los costes asociados con la experimentación”. En definitiva, apunta, “esto podría mejorar la calidad de vida de millones de pacientes en todo el mundo”.

¿Qué son las proteínas?

Las proteínas son moléculas grandes y complejas, esenciales para mantenernos vivos. De hecho, se pueden hallar una o más proteínas en una gran parte de las funciones que realiza nuestro cuerpo, como contraer los músculos o convertir los alimentos en energía.

Lo que es capaz de hacer cada proteína depende de su estructura 3D, es decir de cómo se pueden llegar a plegar, explican fuentes de DeepMind. Por ejemplo, las proteínas de los anticuerpos de nuestro sistema inmunológico tienen forma de Y y al adherirse o ‘engancharse’ a un virus o a una bacteria pueden detectar los microorganismos que causan la enfermedad.

Por ello, descubrir su estructura 3D a partir de su secuencia genética ha sido un “desafío” que ha durado décadas. De hecho, este desarrollo se sustenta en investigaciones anteriores, pero gracias al deep learning “se puede reducir el coste de una secuencia genética” y hacer más precisas las predicciones.