AlphaFold: una herramienta de IA que predice las estructuras de proteínas virtualmente conocidas | noticias del mundo

Nueva Delhi: Una herramienta de inteligencia artificial desarrollada por una empresa hermana de Google predijo y publicó las estructuras de casi todas las proteínas, los componentes básicos de la vida, y abrió lo que puede ser una de las bases de datos más influyentes en la investigación biológica.

AlphaFold, una herramienta desarrollada por la firma de investigación de inteligencia artificial DeepMind Technologies, propiedad de Alphabet, anunció en una publicación de blog de su CEO el 29 de julio que ha lanzado estructuras para más de 200 millones de estructuras de proteínas en colaboración con el Instituto Europeo de Bioinformática (EMBL-EBI). ). “Esta actualización incluye las estructuras predichas de plantas, bacterias, animales y otros organismos, lo que abre muchas oportunidades nuevas para que los investigadores usen AlphaFold para avanzar en su trabajo en temas críticos, como la sostenibilidad, la inseguridad alimentaria y las enfermedades desatendidas”, dijo la publicación de CEO de DeepMind, Demis Hassabis.

Las proteínas generalmente se conocen como los componentes básicos de la vida, que consisten en una mezcla de aminoácidos. Es fácil identificar una proteína por su aminoácido componente, pero esta es solo información unidimensional. Lo que es importante entender es cómo estos aminoácidos se agrupan y «doblan» para formar una estructura de proteína.

Por ejemplo, Sars-Cov-2 contiene una proteína que se pliega en forma de espiga. Por lo tanto, esta forma es adecuada para los biólogos porque pueden diseñar anticuerpos y tratamientos, por ejemplo, para neutralizar esta proteína (eliminando así su capacidad de infectar más células). Esta información 3D se recopila principalmente mediante microscopios electrónicos.

En diciembre de 2020, AlphaFold cruzó por primera vez el umbral de predecir el plegamiento de proteínas, o estructuras, a partir de solo secuencias de aminoácidos en alta resolución. En los meses siguientes, se utilizó para crear la base de datos ahora publicada.

«Estoy seguro de que la capacidad de ‘simplemente descargar’ todo el conjunto de predicciones estimularía direcciones de investigación completamente nuevas. Igualmente importante, bajo demanda, voy a hacer una mutación en mi proteína», escribió Ewan Birney, director de EMBL. -EBI, a pedido Me pregunto dónde está en la estructura para «… *todas las proteínas conocidas*», en un tweet.

El desarrollo es un recordatorio de los avances logrados por las tecnologías de inteligencia artificial, que han demostrado su capacidad para crear arte, jugar juegos como Go, escribir ficción y mantener conversaciones casi humanas aprovechando grandes conjuntos de datos.

Si bien las técnicas de IA se han destacado en aplicaciones de un solo uso, como el aprendizaje y la predicción de estructuras de proteínas, existe un debate acalorado sobre si estos modelos de aprendizaje profundo pueden lograr o realmente lograr rasgos sensoriales más similares a los humanos. Por el momento, existe un amplio consenso sobre un aspecto: los modelos de aprendizaje profundo ayudarán a abrir las próximas fronteras de la ciencia.