rap«>En julio, DeepMind anunció que su modelo AlphaFold había determinado cómo se pliegan la mayoría de las proteínas de nuestro cuerpo. Pushmeet Kohli le dice a New Scientist que hay más por venir
Un modelo 3D de una proteína de mosca de la fruta de DeepMind
Mente profunda
A los científicos les tomó décadas descubrir la estructura de solo el 17% de las proteínas en el cuerpo humano. Pero la empresa británica de inteligencia artificial DeepMind elevó el listón al 98,5 % en julio cuando anunció que su modelo AlphaFold podía calcular de forma rápida y fiable cómo se pliegan las proteínas. Esto podría conducir a fármacos dirigidos que se unan a partes específicas de las moléculas.
Nos reunimos con Pushmeet Kohli en DeepMind para ver cómo progresa el trabajo con el mapeo de casi cada una de las más de 100 millones de proteínas conocidas que se han secuenciado en el árbol de la vida.
¿Le sorprendió el éxito de AlphaFold, dado que comprender el plegamiento de proteínas anteriormente requería grandes supercomputadoras?
Nos fuimos con la tesis de que el aprendizaje automático y la IA tenían un papel que desempeñar. Pero gran parte del equipo no sabía si este problema podía solucionarse. Fue una sorpresa muy agradable.
Planeas liberar muchas otras estructuras proteicas. ¿Por qué no dejar el problema a los científicos que ahora tienen acceso a AlphaFold?
Hemos abierto el modelo y el código para que cualquiera en el planeta pueda descubrir la estructura de cualquier proteína que desee. Ya estamos viendo universidades y laboratorios de todo el mundo que utilizan nuestro código. Pero la razón por la que ampliamos la versión de la base de datos es que se requiere mucho tiempo e inversión, y no desea que diferentes personas encuentren la misma estructura de proteína una y otra vez, ¿no es así? Será de gran ayuda si hacemos esto de una vez por todas, para todos.
¿En cuál estás trabajando primero?
Hemos recibido comentarios de la comunidad sobre qué organismos y tipos de proteínas elegir a continuación. Así que estamos trabajando a lo largo de esa hoja de ruta, eventualmente pasando a lo que estamos comprometidos, que es liberar la estructura de todo el universo de proteínas.
¿Esto implica un nuevo trabajo o se trata simplemente de aplicar AlphaFold a gran escala?
El equipo mejoró constantemente la precisión del modelo. Pero también queremos ampliar lo que AlphaFold puede hacer. Así que habíamos estado trabajando en proteínas individuales, pero los complejos son importantes porque cuando observas los mecanismos biológicos involucrados, es muy raro que haya una sola proteína interactuando con otro tipo de molécula pequeña aislada. Entonces, estructuras compuestas: para eso desarrollamos AlphaFold.
¿Llegará alguna vez a un punto en el que tenga todo planeado y AlphaFold pueda retirarse?
La proteína cambiará, la vida cambiará. A medida que avanza la evolución, verán entrar en juego diferentes tipos de proteínas, por lo que AlphaFold tendrá vida, no solo en los complejos, sino también en el pensamiento sobre la evolución de la estructura.
¿Y qué hay del covid-19?
Muy pronto encontramos la estructura de todas las proteínas del SARS-CoV-2. Algunos habían sido validados experimentalmente, pero muchos eran muy difíciles de comprender mediante métodos experimentales. Cuando los científicos encontraron las estructuras, fue interesante ver que las nuestras eran bastante consistentes.
Ahora, con las variantes, todavía hay un elemento de que estas pequeñas mutaciones conducen a cambios en la estructura, pero AlphaFold actualmente no es sensible a cambios muy pequeños. Por eso queremos asegurarnos de que las futuras versiones de AlphaFold sean realmente sensibles a las mutaciones.
Ben Peter Catchpole
Perfil
Pushmeet Kohli lidera los equipos de IA robusta y confiable e IA para ciencia en DeepMind
2021 en revisión
Ha sido un año de grandes desafíos, desde la pandemia del covid-19 hasta el cambio climático. Pero 2021 también fue rico en descubrimientos científicos y grandes avances.
Deja un comentario