{"id":23774,"date":"2024-10-24T14:44:12","date_gmt":"2024-10-24T17:44:12","guid":{"rendered":"https:\/\/agencia.unq.edu.ar\/?p=23774"},"modified":"2024-10-24T14:44:57","modified_gmt":"2024-10-24T17:44:57","slug":"de-que-manera-la-ia-predice-la-estructura-de-proteinas-y-anticipa-como-sera-la-medicina-del-futuro","status":"publish","type":"post","link":"https:\/\/agencia.unq.edu.ar\/?p=23774","title":{"rendered":"De qu\u00e9 manera la IA predice la estructura de prote\u00ednas y anticipa c\u00f3mo ser\u00e1 la medicina del futuro"},"content":{"rendered":"\n

Alphafold es la herramienta de Inteligencia Artificial que permite conocer las formas que adoptan estas macromol\u00e9culas. C\u00f3mo funciona y por qu\u00e9 es fundamental. <\/p>\n\n\n\n

\"\"
Desentra\u00f1ar el misterio de la estructura tridimensional es posible gracias a AlphaFold (imagen: kreativa.com).<\/figcaption><\/figure>\n\n\n\n

La Inteligencia Artificial forma parte de m\u00faltiples \u00e1reas y, como era de esperar, la ciencia no iba a quedar afuera. De hecho, John Jumper, Demis Hassabis y David Baker<\/strong> fueron los \u00faltimos galardonados con el premio Nobel de Qu\u00edmica por el desarrollo de AlphaFold, una herramienta de IA que puede predecir estructuras proteicas con alta precisi\u00f3n<\/strong>. Desde la Agencia de Noticias Cient\u00edficas de la UNQ<\/a> consultamos a un especialista y te contamos c\u00f3mo podr\u00eda revolucionar la medicina del futuro. <\/p>\n\n\n\n

Saber c\u00f3mo es la estructura de una prote\u00edna desde su s\u00edntesis fue una ambici\u00f3n de la ciencia desde hace mucho tiempo. Las prote\u00ednas, cadenas de amino\u00e1cidos, se producen en el interior de las c\u00e9lulas y adoptan diferentes formas que afectan las reacciones qu\u00edmicas en las que participan. Al respecto, Mauricio Sica, investigador del Laboratorio de Inmunolog\u00eda Molecular del Centro At\u00f3mico Bariloche<\/strong> desanuda algunos interrogantes.<\/p>\n\n\n\n

\u201cLas c\u00e9lulas pueden ser comprendidas como un sistema de gran flujo de informaci\u00f3n\u201d, comienza Sica. La informaci\u00f3n gen\u00e9tica se almacena en el ADN, que luego ordena como ser\u00e1n las prote\u00ednas. Estas macromol\u00e9culas no son mas que secuencias de amino\u00e1cidos y es justamente esta secuencia la que indica como ser\u00e1 su estructura tridimensional. Sica explica que, hasta el desarrollo de AlphaFold, no exist\u00eda ning\u00fan m\u00e9todo que permitiera predecir la estructura tridimensional.<\/p>\n\n\n\n

Para poner en perspectiva los alcances de AlphaFold, Sica explica que desde hace 70 a\u00f1os los cient\u00edficos desarrollan t\u00e9cnicas para determinar de manera experimental la estructura de las prote\u00ednas. Gracias a eso hoy se conocen m\u00e1s de 400 mil estructuras<\/strong>: \u201cSi bien no pod\u00edamos predecir la estructura, conoc\u00edamos algunas de ellas gracias a experimentos\u201d, aclara Sica. En el presente, gracias a la IA, se conocen cerca de 400 millones. <\/p>\n\n\n\n

Aunque los m\u00e9todos computacionales hab\u00edan avanzado mucho, presentaban baja confiabilidad desde la comunidad cient\u00edfica, es decir, seg\u00fan refiere Sica, \u201cse los utilizaba con ciertos recaudos\u201d. Hasta que lleg\u00f3 AlphaFold y permiti\u00f3 predecir la estructura con un nivel de detalle y de confiabilidad in\u00e9dito. \u201cNo dir\u00eda que es infalible porque eso no se puede saber, pero tiene una confiabilidad alt\u00edsima, a tal punto que hace que algunos cient\u00edficos se pregunten si AlphaFold no reemplaza a los m\u00e9todos experimentales<\/strong>. Esto es absolutamente disruptivo porque las estructuras se validan con experimentos\u201d, se\u00f1ala Sica.<\/p>\n\n\n\n

El futuro de AlphaFold<\/h2>\n\n\n\n

\u201cEstas herramientas computacionales llegaron para quedarse porque van a cambiar la manera en que trabajan los grupos de investigaci\u00f3n\u201d, se\u00f1ala Sica. Y contin\u00faa: \u201cPor un lado, hay muchas estructuras predichas que son accesibles para muchos grupos de investigaci\u00f3n y no hace falta siquiera que usen Alphafold. Eso va a acelerar la toma de decisiones, desarrollar f\u00e1rmacos y avanzar en el conocimiento de los sistemas biol\u00f3gicos\u201d. Saber c\u00f3mo se comportan ciertas estructuras permitir\u00e1 tambi\u00e9n fabricar prote\u00ednas que no existen en la naturaleza, pero que pueden ser poderosas herramientas terap\u00e9uticas en enfermedades como el c\u00e1ncer. <\/p>\n\n\n\n

\u201cEn nuestro grupo utilizamos AlphaFold porque la estructura de las prote\u00ednas con las que trabajamos no pudo ser determinada de manera experimental<\/strong>. Son prote\u00ednas de membrana y son complicadas para trabajar. En ese sentido, AlphaFold ilumina ese campo y es muy \u00fatil\u201d, cuenta el cient\u00edfico. Adem\u00e1s, el grupo liderado por Sica utiliza la herramienta de IA para predecir el detalle molecular de las interacciones prote\u00ednas, lo que les permite dise\u00f1ar mol\u00e9culas que intervengan sobre esas interacciones que puedan ser utilizadas como estrategias terap\u00e9uticas.<\/p>\n\n\n\n

<\/p>\n\n\n