La inteligencia artificial asume un nuevo desafío: la química

Como profesor de química, me gusta diseñar pruebas que tengan al menos una pregunta difícil que amplíe el conocimiento de los estudiantes para establecer si pueden combinar diferentes ideas y sintetizar nuevas ideas y conceptos. Hemos ideado una pregunta de este tipo para el niño del cartel de los defensores de la IA, AlphaFold, que ha resuelto el problema del plegamiento de proteínas.

plegamiento de proteínas

Las proteínas están presentes en todos los organismos vivos. Proporcionan estructura a las células, catalizan reacciones, transportan pequeñas moléculas, digieren alimentos y hacen mucho más. Están formados por largas cadenas de aminoácidos como cuentas en un hilo. Pero para que una proteína haga su trabajo en la célula, debe retorcerse y doblarse en una estructura tridimensional compleja, un proceso llamado plegamiento de proteínas. Las proteínas mal plegadas pueden provocar enfermedades.

En su discurso de aceptación del Nobel de química en 1972, Christiaan Anfinsen postuló que debería ser posible calcular la estructura tridimensional de una proteína a partir de la secuencia de sus componentes básicos, los aminoácidos.

Así como el orden y el espaciado de las letras en este artículo le dan sentido y mensaje, el orden de los aminoácidos determina la identidad y la forma de la proteína, lo que resulta en su función.

Debido a la flexibilidad inherente de los bloques de construcción de aminoácidos, una proteína típica puede adoptar un estimado de 10 a la potencia de 300 formas diferentes. Este es un número masivo, más que el número de átomos en el universo. Sin embargo, en un milisegundo cada proteína en un organismo se plegará en su propia forma específica: la disposición de energía más baja de todos los enlaces químicos que componen la proteína. Cambie solo un aminoácido de los cientos de aminoácidos que normalmente se encuentran en una proteína y puede que se pliegue incorrectamente y ya no funcione.

AlphaFold

Durante 50 años, los científicos informáticos han tratado de resolver el problema del plegamiento de proteínas, con poco éxito. Luego, en 2016, DeepMind, una subsidiaria de IA de la matriz de Google, Alphabet, inició su programa AlphaFold. Utilizó el banco de datos de proteínas como conjunto de entrenamiento, que contiene las estructuras determinadas experimentalmente de más de 150 000 proteínas.

En menos de cinco años, AlphaFold superó el problema del plegamiento de proteínas, al menos la parte más útil, a saber, determinar la estructura de la proteína a partir de su secuencia de aminoácidos. AlphaFold no explica cómo se pliegan las proteínas con tanta rapidez y precisión. Fue una gran victoria para la IA, porque no solo acumuló un gran prestigio científico, sino que también fue un gran avance científico que podría afectar la vida de todos.

Hoy, gracias a programas como AlphaFold2 y RoseTTAFold, los investigadores como yo podemos determinar la estructura tridimensional de las proteínas a partir de la secuencia de aminoácidos que componen la proteína, sin costo alguno, en una hora o dos. Antes de AlphaFold2 teníamos que cristalizar las proteínas y resolver las estructuras usando cristalografía de rayos X, un proceso que tomaba meses y costaba decenas de miles de dólares por estructura.

Ahora también tenemos acceso a la base de datos de estructuras de proteínas AlphaFold, donde Deepmind ha depositado las estructuras 3D de casi todas las proteínas que se encuentran en humanos, ratones y más de otras 20 especies. Hasta la fecha, ha resuelto más de un millón de estructuras y planea agregar otras 100 millones de estructuras solo este año. El conocimiento de las proteínas se ha disparado. Es probable que la estructura de la mitad de todas las proteínas conocidas esté documentada para fines de 2022, entre ellas muchas nuevas estructuras únicas asociadas con nuevas funciones útiles.

Pensando como un químico

AlphaFold2 no fue diseñado para predecir cómo las proteínas interactuarían entre sí, sin embargo, ha sido capaz de modelar cómo las proteínas individuales se combinan para formar grandes unidades complejas compuestas de múltiples proteínas. Teníamos una pregunta desafiante para AlphaFold: ¿su conjunto de entrenamiento estructural le había enseñado algo de química? ¿Podría decir si los aminoácidos reaccionarían entre sí, algo raro pero importante?

Soy un químico computacional interesado en proteínas fluorescentes. Estas son proteínas que se encuentran en cientos de organismos marinos como medusas y corales. Su brillo se puede utilizar para iluminar y estudiar enfermedades.

Hay 578 proteínas fluorescentes en el banco de datos de proteínas, de las cuales 10 están «rotas» y no emiten fluorescencia. Las proteínas rara vez se atacan a sí mismas, un proceso llamado modificación postraduccional autocatalítica, y es muy difícil predecir qué proteínas reaccionarán consigo mismas y cuáles no.

Solo un químico con una cantidad significativa de conocimientos sobre proteínas fluorescentes podría usar la secuencia de aminoácidos para encontrar las proteínas fluorescentes que tienen la secuencia de aminoácidos adecuada para sufrir las transformaciones químicas necesarias para hacerlas fluorescentes. Cuando le presentamos a AlphaFold2 las secuencias de 44 proteínas fluorescentes que no están en el banco de datos de proteínas, plegó las proteínas fluorescentes fijas de manera diferente a las rotas.

El resultado nos sorprendió: AlphaFold2 había aprendido algo de química. Había descubierto qué aminoácidos en las proteínas fluorescentes hacen la química que las hace brillar. Sospechamos que el conjunto de entrenamiento del banco de datos de proteínas y las múltiples alineaciones de secuencias permiten que AlphaFold2 «piense» como químicos y busque los aminoácidos necesarios para reaccionar entre sí para hacer que la proteína sea fluorescente.

Un programa de plegado que aprende algo de química de su conjunto de entrenamiento también tiene implicaciones más amplias. Al hacer las preguntas correctas, ¿qué más se puede obtener de otros algoritmos de aprendizaje profundo? ¿Podrían los algoritmos de reconocimiento facial encontrar marcadores ocultos de enfermedades? ¿Podrían los algoritmos diseñados para predecir los patrones de gasto entre los consumidores también encontrar una propensión a pequeños robos o engaños? Y lo más importante, ¿son deseables esta capacidad y avances similares en otros sistemas de IA?