DeepMind AI acelera el tiempo para determinar las proteínas’ Estructuras

ARRIBA: ISTOCK.COM, SERGUNT

La forma de una proteína tiene una relación directa con su función y es un componente clave en el descubrimiento de fármacos, y puede llevar años de experimentación descubrirlo afuera. El lunes 30 de noviembre, el Centro de Predicción de la Estructura de Proteínas de la Universidad de California, Davis, anunció que el laboratorio de inteligencia artificial DeepMind y su programa AlphaFold han acelerado el tiempo para determinar la forma de la proteína en una fracción de lo que se necesita para lograr los métodos tradicionales.

El programa AlphaFold utiliza redes neuronales para realizar un aprendizaje profundo, identificando patrones en secuencias y estructuras de proteínas que se encuentran en una base de datos global. A medida que aprende con el tiempo, el programa puede identificar la estructura de una proteína en minutos. Tradicionalmente, los investigadores usarían técnicas como la cristalografía de rayos X o la microscopía crioelectrónica para visualizar la proteína. Este es un proceso que lleva mucho tiempo y que puede tardar años en completarse o incluso toda la carrera de una persona.

DeepMind, con sede en Londres y propiedad de la empresa matriz de Google, participó en la 14. Concurso bienal Evaluación crítica de la predicción de la estructura de proteínas (CASP), organizado por el Centro de predicción de la estructura de proteínas. Los equipos resuelven la estructura de alrededor de 100 proteínas completas o parciales, unas pocas a la vez, en un proceso que lleva meses completar.

Alrededor de la mitad de los equipos usaron aprendizaje profundo este año y tomó notas de AlphaFolds última presentación CASP, informa Nature, pero DeepMind fue capaz de diferenciarse al renovar su enfoque y considerar las limitaciones espaciales de los pliegues de proteínas y centrarse en la secuencia de proteínas como un todo , no solo la posición probable de aminoácidos individuales como sucedió en 2018.

Para participar en el concurso, los laboratorios compiten para determinar computacionalmente las estructuras tridimensionales de las proteínas que los organizadores tienen ya verificado experimentalmente, pero no se ha publicado en ningún lugar al que los participantes puedan acceder. Las puntuaciones se otorgan en función de la precisión, de un máximo de 100. Según los organizadores, 90 es el umbral para alcanzar los valores experimentales.

Science informa que en el evento inaugural en 1994, el puntaje promedio fue de alrededor de 20 y solo había aumentado a 40 en 2016. Cuando DeepMind debutó en 2018, eclipsó a la competencia con 60. Para la demostración de este año, tuvo un puntaje promedio de 92.4 en general, y en las proteínas más desafiantes, obtuvo 25 puntos más que la competencia con 87.

La mayoría de los átomos [de los resultados de DeepMinds] están dentro del diámetro de un átomo de donde están en estructura experimental, John Moult, profesor de la Universidad de Maryland que cofundó el concurso, le dice a The New York Times. Y con aquellos que no lo son, hay otras posibles explicaciones de las diferencias.

Ver Introducción: inteligencia artificial versus redes neuronales

Esto cambiar de medicina. Cambiará la investigación. Cambiará la bioingeniería. Cambiará todo, Andrei Lupas, biólogo evolutivo del Instituto Max Planck de Biología del Desarrollo en Alemania que ayudó a juzgar el concurso, le dice a Nature, y agrega que AlphaFold tomó solo 30 minutos para producir la estructura de una proteína que su laboratorio había estado tratando de averiguar durante 10 años.

Siempre esperé vivir para ver este día, le dice Moult al Times, con respecto a una computadora que supera la marca de los 90 puntos. Pero no siempre fue obvio que lo lograría.