PROTEÓMICA

Publicada la imagen más completa de las proteínas que componen el proteoma humano

Nature · 23 julio 2021

Se ha utilizado el sistema de inteligencia artificial AlphaFold para poner a disposición de la comunidad científica más de 350.000 predicciones de estructuras de proteínas.

DeepMind ha anunciado su colaboración con el Laboratorio Europeo de Biología Molecular (EMBL), el laboratorio insignia de Europa en el ámbito de las ciencias de la vida, para crear la base de datos más completa y precisa hasta la fecha de modelos de estructuras proteicas predichas para el proteoma humano.

Esta base de datos abarcará las aproximadamente 20.000 proteínas expresadas por el genoma humano, y los datos estarán a disposición de la comunidad científica de forma gratuita y abierta. La base de datos y el sistema de inteligencia artificial (IA) proporcionan a los biólogos estructurales nuevas y potentes herramientas para examinar la estructura tridimensional de una proteína, y ofrecen un tesoro de datos que podría desbloquear futuros avances y anunciar una nueva era para la biología basada en la IA.

El reconocimiento de AlphaFold en diciembre de 2020 por parte de los organizadores de la Evaluación Crítica de la Predicción de la Estructura de las Proteínas (CASP) como solución al gran reto que supone la predicción de la estructura de las proteínas desde hace 50 años fue un avance impresionante para este campo.

La base de datos de estructuras proteicas AlphaFold se basa en esta innovación y en los descubrimientos de generaciones de científicos, desde los primeros pioneros de la imagen y la cristalografía de proteínas, hasta los miles de especialistas en predicción y biólogos estructurales que han pasado años experimentando con las proteínas desde entonces. La base de datos amplía drásticamente el conocimiento acumulado de las estructuras proteicas, duplicando con creces el número de estructuras proteicas humanas de alta precisión disponibles para los investigadores. El avance en la comprensión de estos componentes básicos de la vida, que sustentan todos los procesos biológicos en todos los seres vivos, permitirá a los investigadores de una gran variedad de campos acelerar su trabajo.

La semana pasada, se publicó en Nature la metodología que subyace a la última versión de AlphaFold, que permite realizar estas predicciones estructurales, así como su código fuente abierto. Ahora se publica un segundo artículo en Nature que ofrece la imagen más completa de las proteínas que componen el proteoma humano, y con la publicación de otros 20 organismos importantes para la investigación biológica.

"Nuestro objetivo en DeepMind siempre ha sido construir la IA y luego utilizarla como una herramienta para ayudar a acelerar el ritmo de los descubrimientos científicos, avanzando así nuestra comprensión del mundo que nos rodea -declara el fundador y CEO de DeepMind, Demis Hassabis-. Hemos utilizado AlphaFold para generar la imagen más completa y precisa del proteoma humano. Creemos que esto representa la contribución más significativa que la IA ha hecho para avanzar en el conocimiento científico hasta la fecha, y es una gran ilustración de los tipos de beneficios que la IA puede aportar a la sociedad".

La capacidad de predecir computacionalmente la forma de una proteína a partir de su secuencia de aminoácidos -en lugar de determinarla experimentalmente a través de años de técnicas minuciosas, laboriosas y a menudo costosas- ya está ayudando a los científicos a lograr en meses lo que antes les llevaba años.

"La base de datos AlphaFold es un ejemplo perfecto del círculo virtuoso de la ciencia abierta –manifiesta la directora general del EMBL, Edith Heard-. AlphaFold se entrenó utilizando datos de recursos públicos construidos por la comunidad científica, por lo que tiene sentido que sus predicciones sean públicas. Compartir las predicciones de AlphaFold de forma abierta y gratuita permitirá a los investigadores de todo el mundo obtener nuevos conocimientos e impulsar los descubrimientos. Creo que AlphaFold es realmente una revolución para las ciencias de la vida, al igual que lo fue la genómica hace varias décadas, y estoy muy orgulloso de que el EMBL haya podido ayudar a DeepMind a permitir el acceso abierto a este extraordinario recurso".

AlphaFold ya está siendo utilizado por socios como la Iniciativa de Medicamentos para Enfermedades Olvidadas (DNDi), que ha hecho avanzar su investigación en curas que salvan vidas para enfermedades que afectan desproporcionadamente a las partes más pobres del mundo, y el Centro de Innovación Enzimática (CEI) está utilizando AlphaFold para ayudar a diseñar enzimas más rápidas para reciclar algunos de nuestros plásticos de un solo uso más contaminantes. Para los científicos que dependen de la determinación experimental de la estructura de las proteínas, las predicciones de AlphaFold han ayudado a acelerar sus investigaciones. Por ejemplo, un equipo de la Universidad de Colorado, en Boulder, está utilizando las predicciones de AlphaFold para estudiar la resistencia a los antibióticos, mientras que un grupo de la Universidad de California San Francisco, las ha utilizado para mejorar su comprensión de la biología del SARS-CoV-2.

La base de datos de estructuras de proteínas AlphaFold se basa en muchas contribuciones de la comunidad científica internacional, así como en las sofisticadas innovaciones algorítmicas de AlphaFold y en las décadas de experiencia del Instituto Europeo de Bioinformática del EMBL (EMBL-EBI) en el intercambio de datos biológicos del mundo. DeepMind y el  EMBL-EBI están proporcionando acceso a las predicciones de AlphaFold para que otros puedan utilizar el sistema como una herramienta para permitir y acelerar la investigación y abrir vías completamente nuevas de descubrimiento científico.

"Este será uno de los conjuntos de datos más importantes desde el mapeo del Genoma Humano –comenta el director general adjunto del EMBL y director del EMBL-EBI, Ewan Birney-. Hacer que las predicciones de AlphaFold sean accesibles a la comunidad científica internacional abre muchas nuevas vías de investigación, desde enfermedades olvidadas hasta nuevas enzimas para la biotecnología y todo lo demás. Se trata de una nueva y gran herramienta científica, que complementa las tecnologías existentes y nos permitirá ampliar los límites de nuestra comprensión del mundo".

Además del proteoma humano, la base de datos se lanza con  unas 350.000 estructuras que incluyen 20 organismos de importancia biológica como Escherichia coli, la mosca del vinagre, el ratón, el pez cebra, el parásito de la malaria y la bacteria de la tuberculosis. La investigación sobre estos organismos ha sido objeto de innumerables trabajos de investigación y numerosos e importantes avances. Estas estructuras permitirán a los investigadores de una gran variedad de campos, desde la neurociencia hasta la medicina, acelerar su trabajo.

La base de datos y el sistema se actualizarán periódicamente mientras se sigue invirtiendo en futuras mejoras de AlphaFold, y en los próximos meses está previsto ampliar la cobertura a casi todas las proteínas secuenciadas conocidas por la ciencia: más de 100 millones de estructuras que cubren la mayor parte de la base de datos de referencia UniProt.

Referencia: Nature. 2021;10.1038/s41586-021-03828-1. doi:10.1038/s41586-021-03828-1