DESCUBRIMENTO CIENTÍFICO DO ANO 2021

Simulación da estructura de dúas proteínas

Ás veces é fácil encher a boca con expresións como “santo graal”, “paso de xigante” ou “descubrimento revolucionario” ao falar dun logro científico. Pero cando se trata de revelar a forma das proteínas coa sinxeleza de quen busca algo en Google, esas palabras encaixan como unha luva. Este ano confirmouse que a intelixencia artificial é capaz de adiviñar a estrutura destes motores básicos da vida, as proteínas, unha das claves fundamentais da bioloxía. E é un logro por partida dobre: “Primeiro, porque resolve un problema científico que estivo na lista de tarefas pendentes durante 50 anos. En segundo lugar, é unha técnica revolucionaria que acelerará enormemente o descubrimento científico. Sería o Descubrimento do Ano por calquera dos dous motivos”, asegura Holden Thorp, director da influente revista científica Science, que concede o recoñecemento a este éxito científico. O ano pasado aplaudiron o desenvolvemento das vacinas contra a covid.

Este logro realizárono dous grupos distintos: a compañía DeepMind e o equipo de David Baker, bioquímico computacional da Universidade de Washington. Un triunfo que fai apenas quince anos parecía imposible de lograr, como lembra o propio Thorp: “Cando deixei o laboratorio en 2006, pensei que o problema do pregamento de proteínas nunca se resolvería”. Moitos especialistas dese campo crían que, de lograrse, non o verían en vida. Unha persoa allea ao mundo da biomedicina pode sorprenderse pola importancia que se lle dá a esta cuestión tan técnica, a da forma en que se pregan as proteínas; non parece un anhelo popular como a cura do cancro ou a vacina da malaria. Pero é que as proteínas, os operadores esenciais de case todas as funcións biolóxicas, atravesan eses e a maioría dos problemas biomédicos imaxinables. Incluída a covid. Unha proteína é a espícula do coronavirus, os penachos que o rodean e que lle permiten conquistar as nosas células para enfermarnos. Coñecer a súa estrutura permite deseñar estratexias para atacar esa ganzúa coa que nos invade.

Case todo o mundo ten en mente a metáfora de que o ADN contén as instrucións da vida. Aínda que son as proteínas quen a pon a funcionar: realizan esas tarefas, como activar o movemento dos músculos, determinar o estado dos tecidos, transportar sustancias polo organismo ou defendelo das agresións. As instrucións do ADN por si soas, loxicamente, non fan nada. Ese manual nada máis pon en marcha ás materias primas, os aminoácidos, sobre a cadea de montaxe. Disponse en fila na cinta para que os operarios (os ribosomas) constrúan esas máquinas que son as proteínas. Pregan esa fila de aminoácidos para darlle a súa complexísima forma ás proteínas, unha estrutura que determina a súa función: non é o mesmo construír unha cafetera que un motor de coche.

A intelixencia artificial é capaz de saber si a cafetera será italiana, hexagonal e con asa de plástico, con só ver os parafusos e as placas de latón dispostas en fila bidimensional. As proteínas constrúense combinando unicamente 20 aminoácidos en innumerables distribucións e lonxitudes. Por iso, descifrar a disposición final en tres dimensións é un traballo arduo e custoso, que moitos laboratorios nin sequera poden exporse. Descifrar esas estruturas en condicións normais sería un esforzo que custaría miles de millóns de anos; incluso as proteínas de tamaño modesto poderían tomar un número astronómico de aspectos posibles. Con este logro da computación, conséguese nun intre.

A mediados de xullo, Baker e os seus colegas publicaron en Science que o seu programa de intelixencia artificial RoseTTAFold resolvera as estruturas de centos de proteínas, todas importantes para a creación de medicamentos. Á vez e de maneira independente, os científicos de DeepMind difundiron en Nature o seu propio logro: a súa máquina, AlphaFold, debuxara 350.000 proteínas que se atopan no corpo humano, o 44% de todas as proteínas humanas coñecidas. Ademais, esperan que a súa base de datos medre a 130 millóns de proteínas pertencentes a todas as especies, máis da metade do número total que se cre que existe. Ambos os equipos puxeron esas estruturas a disposición de todos os laboratorios do mundo, e tamén as ferramentas para lograr outras novas.

Non podía ser doutra maneira, como expresou no seu día Edith Heard, directora xeral do Laboratorio Europeo de Bioloxía Molecular, de cuxos recursos se aproveitou DeepMind e con quen agora comparte os seus logros: “AlphaFold foi adestrado utilizando datos de recursos públicos creados pola comunidade científica, así que ten sentido que as súas predicións sexan públicas”. A investigadora mostrábao como “unha auténtica revolución para as ciencias da vida, como o foi a xenómica hai décadas”.

Ábrese a porta a innumerables achados en biomedicina, tratamentos e solucións biolóxicas. “Todas as áreas da bioloxía molecular e computacional van transformarse”, asegura Baker en Science. As opcións son apaixonantes: case todos os medicamentos funcionan por asociarse a un punto específico dunha proteína, polo que coñecer en detalle a diana multiplica a capacidade de acertar. Ademais, son moitas as enfermidades, desde o alzhéimer e o párkinson á diabetes ou a fibrosis quística, que se xeran tras a acumulación de proteínas mal encartadas, polo que agora poderíanse abordar con mellor prognóstico. E non só iso: ao saber como se dobrará unha cadea bidimensional de aminoácidos, aparece a posibilidade de deseñar proteínas artificiais: que protexan dos virus, como xa se está ensaiando, pero tamén para descompor materiais contaminantes.

“Non sabía que era unha proteína cando empecei [en DeepMind]”, recoñece John Jumper, responsable deste achado para a compañía, irmá de Google baixo o paraugas de Alphabet. Aplicar a intelixencia artificial a un problema científico foi “realmente máxico”, asegura Jumper en declaracións a Nature, a prestixiosa revista científica que incluíuno entre o dez científicos máis relevantes de 2021. O seu logro, publicado nesa revista en xullo, contaba con dous españois entre os asinantes: Oriol Vinyals e Bernardino Romeira.

O seguinte paso será predicir cales desas proteínas descritas traballan xuntas e como interactúan, porque en moitas ocasións non funcionan soas. A intelixencia artificial xa está afanada niso tras demostrar esta vez que si é capaz de cumprir os ambiciosos éxitos que levaba anos prometendo. E non sería raro que isto termine en Estocolmo celebrando un Nobel: a importancia das proteínas descóbrese dunha ollada ao ver os numerosos premios concedidos en Química ou Medicamento a descubrimentos ligados á estrutura destes motores da vida. Os primeiros en describir proteínas, como Frederick Sanger, John Kendrew e Max Perutz recibiron os seus galardóns, fai seis décadas. Agora describen miles dunha plumada.

FONTE: Javier Salas/elpais.com/ciencia