PISCATAWAY, Nueva Jersey — Ningún invento representa tanto el ingenio y la inteligencia de la humanidad como la computadora. Un milagro de la era moderna, innumerables obras de ciencia ficción han augurado un inevitable enfrentamiento en un futuro no muy lejano: el hombre contra la máquina. Ahora, según investigadores de la Universidad de Rutgers, parece que las máquinas ya han superado a la humanidad cuando se trata de al menos un tema científico.
El profesor Vikas Nanda de la Universidad de Rutgers ha pasado más de dos décadas estudiando meticulosamente la intrincada naturaleza de las proteínas, las sustancias altamente complejas presentes en todos los organismos vivos. Ha dedicado su vida profesional a contemplar y comprender los patrones únicos de los aminoácidos que componen las proteínas y determinan si se convierten en hemoglobina, colágeno, etc. Además, el Prof. Nanda es un experto en el misterioso paso del autoensamblaje, en el que ciertas proteínas se agrupan para formar sustancias aún más complejas.
Entonces, cuando los autores del estudio se propusieron realizar un experimento que enfrentara a un ser humano, alguien con una comprensión profunda e intuitiva del diseño de proteínas y el autoensamblaje, contra las capacidades predictivas de un programa informático de IA, el profesor Nanda se convirtió en un participante perfecto.
Los autores del estudio querían ver quién, o qué, podría hacer un mejor trabajo al predecir qué secuencias de proteínas se combinarían con más éxito: el profesor Nanda y varios otros humanos, o la computadora. Los resultados publicados indican que la batalla intelectual está reñida, pero el programa de IA venció a los humanos por un pequeño margen.
¿Para qué pueden usar los científicos el autoensamblaje de proteínas?
La medicina moderna invierte mucho en el autoensamblaje de proteínas porque muchos científicos creen que comprender completamente el proceso puede conducir a numerosos productos revolucionarios para usos médicos e industriales, como tejido humano artificial para heridas o catalizadores para nuevos productos químicos.
«A pesar de nuestra amplia experiencia, la IA funcionó tan bien o mejor en varios conjuntos de datos, lo que demuestra el tremendo potencial del aprendizaje automático para superar el sesgo humano», dice Nanda, profesor del Departamento de Bioquímica y Biología Molecular de Rutgers Robert Wood Johnson Medical. Escuela, en un estreno universitario.
Las proteínas consisten en grandes cantidades de aminoácidos, unidos de extremo a extremo. Estas cadenas de aminoácidos se pliegan para formar moléculas tridimensionales con formas complejas. La forma exacta es importante; la forma precisa de cada proteína, así como los aminoácidos específicos que contiene, determina lo que hace. Algunos científicos, incluido el profesor Nanda, participan regularmente en una actividad llamada «diseño de proteínas», que implica la creación de secuencias que producen nuevas proteínas.
Más recientemente, el profesor Nanda y un equipo de investigadores diseñaron una proteína sintética capaz de detectar rápidamente el peligroso agente nervioso conocido como VX. Esta proteína puede conducir al desarrollo de nuevos biosensores y tratamientos.
Por razones aún desconocidas para la ciencia moderna, las proteínas se autoensamblan con otras proteínas para formar superestructuras importantes en biología. A veces parece que las proteínas siguen un diseño, como cuando se autoensamblan en una capa exterior protectora de un virus (cápside). En otros casos, sin embargo, las proteínas se autoensamblarán aparentemente en respuesta a algo que va mal, formando finalmente estructuras biológicas mortales asociadas con enfermedades que van desde el Alzheimer hasta la anemia drepanocítica.
«Comprender el autoensamblaje de proteínas es fundamental para lograr avances en muchos campos, incluidos la medicina y la industria», agrega el profesor Nanda.
¿Cómo se desempeñó el programa de IA?
Durante la prueba, el profesor Nanda y otros cinco colegas recibieron una lista de proteínas y tuvieron que predecir cuáles tenían más probabilidades de autoensamblarse. El programa de computadora hizo las mismas predicciones, y luego los investigadores compararon las respuestas del hombre y la máquina.
Los participantes humanos hicieron sus predicciones sobre la base de sus observaciones previas de proteínas experimentales, como patrones de cargas eléctricas y grado de aversión al agua. Los humanos terminaron prediciendo que 11 proteínas se autoensamblarían. Mientras tanto, el programa de computadora, a través de un sistema avanzado de aprendizaje automático, eligió nueve proteínas.
Los expertos humanos estaban en lo correcto con respecto a seis de las 11 proteínas que eligieron. El programa de computadora obtuvo un porcentaje de precisión más alto, con seis de las nueve proteínas que escogió de hecho capaces de autoensamblarse.
Los autores del estudio explican que los participantes humanos tendieron a «favorecer» ciertos aminoácidos sobre otros, lo que condujo a predicciones incorrectas. El programa de IA también identificó correctamente algunas proteínas que no eran «opciones obvias» para el autoensamblaje, lo que abrió la puerta a más investigaciones. El profesor Nanda admite que alguna vez dudó del aprendizaje automático para las investigaciones de ensamblaje de proteínas, pero ahora está mucho más abierto a la técnica.
“Estamos trabajando para obtener una comprensión fundamental de la naturaleza química de las interacciones que conducen al autoensamblaje, por lo que me preocupaba que el uso de estos programas impidiera conocimientos importantes”, concluye. “Pero lo que realmente estoy empezando a entender es que el aprendizaje automático es solo una herramienta más, como cualquier otra”.
El estudio se publica en la revista Química de la naturaleza.
