Conocer la estructura de las proteínas – los bloques elementales que conforman las células – es esencial para comprender su función, y por lo tanto para entender cómo funcionan los organismos y cómo y porqué tienen lugar las enfermedades.
Hay dos formas principales para descubrir la estructura de una proteína:
- Experimental: a través de cristalografía, resonancia magnética, etc.
- Teórica: con ordenadores, a través de la comparación de secuencias con proteínas conocidas, etc.
Durante más de 25 años, el concurso internacional bianual CASP (Critical Assessment of protein Structure Prediction) ha juntado a experimentalistas e investigadores teóricos para poner a prueba los modelos predictivos de éstos últimos.
Hace apenas unos años, acertar el 10% de las estructuras proteicas propuestas se consideraba un éxito, y hace dos años el equipo de Google sorprendió a la comunidad científica al acertar un 50%. En el más reciente CASP, el resultado del cual se anunció a finales del 2020, la compañía DeepMind – perteneciente a Google – utilizó su sistema de inteligencia artificial AlphaFold y consiguió una predicción correcta del 100%, para gran sorpresa de todos los y las participantes, causando una revolución en este campo.
En el último episodio del podcast dirigido al público general, “Peter Parking”, Baldo Oliva, líder del grupo de bioinformática estructural del GRIB, en el Parque de Investigación Biomédica de Barcelona (PRBB), nos cuenta cómo la inteligencia artificial (y específicamente el deep learning) acaba de transformar la predicción de la estructura proteica.
