El Premio Nobel de Química de 2024 ha sido otorgado a David Baker, por el diseño computacional de proteínas, y a Demis Hassabis y John M. Jumper en reconocimiento a sus contribuciones pioneras en la predicción de estructuras proteicas mediante el uso de inteligencia artificial.
La Real Academia de las Ciencias de Suecia ha reconocido en 2024 los avances en la resolución de dos problemas relativos a la estructura de las proteínas: la predicción de estructuras a partir de la secuencia de aminoácidos (definida por la secuencia de ADN) y la predicción de secuencias a partir de estructuras.
Como resultado de los trabajos de David Baker, Demis Hassabis y John M. Jumper se ha obtenido la estructura de miles de proteínas con alta precisión y generado proteínas nuevas que contienen estructuras deseadas, lo que supone un hito significativo para la bioquímica moderna, con aplicaciones en la biotecnología, la medicina y otros campos científicos.
Predecir la estructura de una proteína a partir de su secuencia: un problema de 50 años
Cuando se habla de proteínas, función y estructura están fuertemente ligadas. Predecir la estructura de una proteína es posible en laboratorio pero requiere mucho tiempo y es un proceso laborioso. Por esta razón, desde el descubrimiento de que la estructura tridimensional de una proteína está codificada en la secuencia de aminoácidos que la componen (y por lo tanto, en última instancia en la secuencia de ADN responsable), uno de los principales objetivos científicos ha sido conseguir predecir estructuras a partir de la secuencia. El problema es que, considerando la secuencia en bruto, el número de conformaciones posibles de una proteína es muy elevado (para 100 aminoácidos, las posibilidades son del orden de 1047).
“La razón por la que es tan importante conocer la estructura tridimensional de una proteína es que su función depende principalmente de su forma y no solo de la secuencia específica de aminoácidos”, ha destacado a Science Media Centre España Beatriz Seoane Bartolomé, Profesora del departamento de Física Teórica de la Universidad Complutense de Madrid. “Es posible que secuencias muy diferentes den lugar a formas similares con funciones prácticamente iguales, al igual que pequeños cambios en una secuencia proteica pueden desnaturalizarla y destruir su función. Durante décadas, la Física ha tratado de predecir estas estructuras mediante la modelización de las interacciones entre los aminoácidos”.
La revolución de AlphaFold
Con el objetivo de evaluar y mejorar los métodos de predicción de estructuras proteicas en 1994 se creó la iniciativa CASP (Critical Assessment of Protein Structure Prediction) una competición internacional bianual donde los investigadores predecían estructuras a partir de secuencias de aminoácidos, y sus resultados se comparaban con estructuras reales obtenidas por métodos experimentales.
Los primeros años de la competición CASP mostraron un progreso lento en la capacidad predictiva. En 2018, Deep Mind, la empresa fundada y dirigida por Demis Hassabis presentó un modelo de inteligencia artificial, denominado AlphaFold, con el que la predicción de estructura de proteínas alcanzaba la mayor precisión hasta la fecha, un 60%. No obstante, la solución todavía no era perfecta o suficiente para su utilización en aplicaciones biotecnológicas o médicas.
La incorporación a DeepMind de John Jumper, experto en métodos de simulación de proteínas, supuso el impulso final para el desarrollo de AlphaFold2, una nueva versión del modelo predictivo de proteínas, con el que pudieron alcanzar el 90% de precisión (y ganar la competición CASP en 2020 culminando su objetivo).
Desde entonces AlphaFold 2 ha abierto numerosas oportunidades para la investigación biológica y aplicada. Sus aplicaciones se extienden desde el desarrollo de nuevos antibióticos a la identificación de nuevos métodos para administrar fármacos o de dianas de precisión para tratar el cáncer. La versión más avanzada, AlphaFold3 amplía la capacidad predictiva y permite estimar cómo interaccionan las proteínas con otras moléculas.
“En conjunto, la arquitectura AlphaFold2 puede describirse como una ingeniosa obra de ingeniería de redes neuronales realizada por Jumper, Hassabis y sus colaboradores, con multitud de nuevas invenciones, y puede considerarse el primer avance científico real de la inteligencia artificial”, ha destacado Johan Åqvist, catedrático de Química Teorética y miembro de la Real Academia Sueca de Ciencias, así como del Comité Nobel de Química.
Diseño de proteínas con nuevas funciones
La mitad del Premio Nobel de Química de 2024 se ha otorgado a David Baker, profesor de bioquímica en la Universidad de Washington, por sus contribuciones al diseño de proteínas con nuevas funciones. Desde hace más de dos décadas, Baker y su equipo han trabajado en el desarrollo de métodos computacionales que permiten diseñar proteínas nuevas, que no existían previamente en la naturaleza.
Tras participar en la competición CASP en 1998 con el programa Rosetta, que había desarrollado para predecir estructura de proteínas, Baker se planteó si Rosetta podría ser utilizado de forma inversa, para predecir una secuencia de aminoácidos a partir de una estructura deseada. Esta posibilidad permitiría construir proteínas con nuevas funciones lo que tendría un gran impacto para el campo del diseño de proteínas.
En 2003, Baker logró diseñar una proteína llamada Top7, que no tenía un equivalente en la naturaleza. Con Top7, Baker y su equipo demostraron que era posible diseñar una proteína desde cero, basándose en principios físicos y computacionales. Este trabajo abrió la puerta a la creación de proteínas personalizadas con funciones específicas.
Impacto del Premio Nobel de Química de 2024
El Premio Nobel de Química de 2024 pone de manifiesto el potencial de la inteligencia artificial en el ámbito de la biología molecular. La posibilidad de predecir la estructura de las proteínas ha acelerado notablemente la caracterización de proteínas y diferentes aplicaciones médicas o biotecnológicas como el desarrollo de fármacos.
“Siempre he pensado que si pudiéramos construir la IA de la forma adecuada, podría ser la herramienta definitiva para ayudar a los científicos, para ayudarnos a explorar el universo que nos rodea”, ha señalado Demis Hassabis, tras recibir la noticia del Premio Nobel. “Espero que AlphaFold sea un primer ejemplo de ello”.
De forma paralela los avances en el diseño de proteínas representan un área de múltiples oportunidades. Baker destaca las posibilidades en medicina de precisión donde sería posible diseñar fármacos que actúen en el momento y lugar adecuados del organismo, así como en desarrollo de catalizadores que degraden agentes contaminantes. “Con la capacidad de diseñar nuevas proteínas, específicamente para resolver problemas, hay tantas posibilidades. Es realmente apasionante”, ha indicado el investigador.
Curiosamente, los avances derivados del Premio Nobel de Química tienen mucho que ver con el Premio Nobel de Física de 2024, otorgado a John Hopfield y Geoffrey Hinton por sus contribuciones al desarrollo del aprendizaje automático con redes neurales artificiales.
“El premio Nobel otorgado a Baker, Hassabis y Jumper es sin duda un reconocimiento merecido y resalta entre otras cosas el gran potencial de las capacidades computacionales para resolver preguntas científicas”, ha destacado Fátima Al-Shahrour, jefa de la Unidad de Bioinformática del Centro Nacional de Investigaciones Oncológicas. “No es posible vivir este momento sin asombrarse al comprobar que lo que antes implicaba años de investigación ahora puedes tenerlo con un simple clic, aunque detrás de ese clic también hay muchos años de investigación y trabajo”.
Fuentes:
Nobel de Química para Baker, Hassabis y Jumper por el diseño computacional de proteínas y la predicción de su estructura. https://sciencemediacentre.es/nobel-de-quimica-para-baker-hassabis-y-jumper-por-el-diseno-computacional-de-proteinas-y-la
The Nobel Prize in Chemistry 2024. https://www.nobelprize.org/prizes/chemistry/2024/summary/
Si te ha gustado esta noticia y quieres aprender más sobre Genética en Medicina, te interesa nuestra formación, como el “Máster de Medicina de Precisión y Genética Clínica“, o el “Experto Universitario en Genética Médica y Genómica“.
