Para los biólogos, identificar la forma precisa de una proteína a menudo requiere meses, años o incluso décadas de experimentación. Requiere habilidad, inteligencia y más que un poco de grasa en el codo. A veces nunca tienen éxito.

Ahora, un laboratorio de inteligencia artificial en Londres, llamado DeepMind, ha construido un sistema informático que puede hacer el trabajo en unas pocas horas, tal vez incluso unos pocos minutos.

DeepMind, un laboratorio propiedad de la misma empresa matriz de Google, dijo el lunes que su sistema, llamado AlphaFold, había resuelto lo que se conoce como "el problema de plegado de proteínas". Dada la cadena de aminoácidos que componen una proteína, el sistema puede predecir rápida y confiablemente su forma tridimensional.

Este avance tan buscado podría acelerar la capacidad de entender las enfermedades, desarrollar nuevas medicinas y desvelar los misterios del cuerpo humano.

Los científicos de la computación han luchado para construir tal sistema por más de 50 años. Durante los últimos 25, han medido y comparado sus esfuerzos a través de una competición global llamada la Evaluación Crítica de la Predicción de Estructuras, o C.A.S.P. Hasta ahora, ningún concursante se había acercado siquiera a resolver el problema.

DeepMind resolvió el problema con una amplia gama de proteínas, alcanzando un nivel de precisión que rivalizaba con los experimentos físicos. Muchos científicos habían asumido que ese momento estaba todavía a años, si no décadas, de distancia.

"Siempre esperé vivir para ver este día", dijo John Moult, un profesor de la Universidad de Maryland que ayudó a crear C.A.S.P. en 1994 y que continúa supervisando el concurso bienal. "Pero no siempre fue obvio que lo lograría".

Como parte del C.A.S.P. de este año, la tecnología de DeepMind fue revisada por el Dr. Moult y otros investigadores que supervisan el concurso.

Si los métodos de DeepMind pueden ser refinados, él y otros investigadores dijeron que podrían acelerar el desarrollo de nuevos medicamentos, así como los esfuerzos para aplicar los medicamentos existentes a nuevos virus y enfermedades.

El avance llega demasiado tarde para tener un impacto significativo en el coronavirus. Pero los investigadores creen que los métodos de DeepMind podrían acelerar la respuesta a futuras pandemias. Algunos creen que también podría ayudar a los científicos a comprender mejor las enfermedades genéticas como el Alzheimer o la fibrosis quística.

Aún así, los expertos advirtieron que esta tecnología afectaría sólo una pequeña parte del largo proceso por el cual los científicos identifican nuevos medicamentos y analizan las enfermedades. Tampoco estaba claro cuándo o cómo DeepMind compartiría su tecnología con otros investigadores.

DeepMind es uno de los actores clave en un cambio radical que se ha extendido por el mundo académico, la industria tecnológica y la comunidad médica en los últimos 10 años. Gracias a una tecnología de inteligencia artificial llamada red neuronal, las máquinas pueden ahora aprender a realizar muchas tareas que antes estaban fuera de su alcance, y a veces fuera del alcance de los humanos.

Una red neuronal es un sistema matemático vagamente modelado en la red de neuronas del cerebro humano. Aprende habilidades analizando grandes cantidades de datos. Señalando patrones en miles de fotos de gatos, por ejemplo, puede aprender a reconocer un gato.

Esta es la tecnología que reconoce las caras en las fotos que publica en Facebook, identifica los comandos que ladran en tu teléfono inteligente y traduce un idioma a otro en Skype y otros servicios. DeepMind utiliza esta tecnología para predecir la forma de las proteínas.

Si los científicos pueden predecir la forma de una proteína en el cuerpo humano, pueden determinar cómo otras moléculas se unirán o se adherirán físicamente a ella. Esta es una de las formas en que se desarrollan las drogas: Un fármaco se une a determinadas proteínas del cuerpo y altera su comportamiento.

Analizando miles de proteínas conocidas y sus formas físicas, una red neuronal puede aprender a predecir las formas de otras. En 2018, usando este método, DeepMind entró por primera vez en el concurso C.A.S.P. y su sistema superó a todos los demás competidores, señalando un cambio significativo. Pero su equipo de biólogos, físicos e informáticos, dirigido por un investigador llamado John Jumper, no estaba ni cerca de resolver el problema definitivo.

En los dos años siguientes, el Dr. Jumper y su equipo diseñaron un tipo completamente nuevo de red neural específicamente para el plegado de proteínas, y esto impulsó un enorme salto en la precisión. Su última versión proporciona una poderosa, aunque imperfecta, solución al problema del plegado de proteínas, dijo la científica investigadora de DeepMind, Kathryn Tunyasuvunakool.

El sistema puede predecir con precisión la forma de una proteína alrededor de dos tercios del tiempo, según los resultados del concurso C.A.S.P. y sus errores con estas proteínas son más pequeños que el ancho de un átomo, una tasa de error que rivaliza con los experimentos físicos.

"La mayoría de los átomos están dentro del diámetro de un átomo de donde están en la estructura experimental", dijo el Dr. Moult, el organizador del concurso. "Y con aquellos que no lo están, hay otras posibles explicaciones de las diferencias."

Andrei Lupas, director del departamento de evolución de proteínas del Instituto Max Planck de Biología del Desarrollo en Alemania, está entre los que trabajaron con AlphaFold. Es parte de un equipo que pasó una década tratando de determinar la forma física de una proteína particular en un diminuto organismo parecido a una bacteria, llamado arqueón.

Esta proteína se encuentra a horcajadas en la membrana de las células individuales -una parte está dentro de la célula, y otra parte está fuera- y eso dificulta a científicos como el Dr. Lupas la determinación de la forma de la proteína en el laboratorio. Incluso después de una década, no pudo precisar la forma.

Con AlphaFold, resolvió el problema en media hora.

Si estos métodos continúan mejorando, dijo, podrían ser una forma particularmente útil de determinar si un nuevo virus puede ser tratado con un cóctel de drogas existentes.

"Podríamos empezar a examinar todos los compuestos autorizados para su uso en humanos", dijo el Dr. Lupas. "Podríamos enfrentarnos a la próxima pandemia con los medicamentos que ya tenemos".

Durante la actual pandemia, una forma más simple de inteligencia artificial demostró ser útil en algunos casos. Un sistema construido por otra compañía londinense, BenevolentAI, ayudó a identificar un medicamento existente, el baricitinib, que podría utilizarse para tratar a pacientes gravemente enfermos de Covid-19. Los investigadores han completado ahora un ensayo clínico, aunque los resultados aún no se han publicado.

A medida que los investigadores continúan mejorando la tecnología, AlphaFold podría acelerar aún más este tipo de re-uso de la droga, así como el desarrollo de vacunas totalmente nuevas, especialmente si nos encontramos con un virus que es aún menos conocido que el Covid-19.

David Baker, el director del Instituto de Diseño de Proteínas de la Universidad de Washington, que ha estado usando una tecnología informática similar para diseñar drogas anticoronavirus, dijo que los métodos de DeepMind podrían acelerar ese trabajo.

"Pudimos diseñar proteínas neutralizadoras de coronavirus en varios meses", dijo. "Pero nuestro objetivo es hacer este tipo de cosas en un par de semanas".

Aún así, la velocidad de desarrollo debe lidiar con otros problemas, como los ensayos clínicos masivos, dijo el Dr. Vincent Marconi, un investigador de la Universidad de Emory en Atlanta que ayudó a dirigir el ensayo del baricitinib. "Eso lleva tiempo", dijo.

Pero los métodos de DeepMind podrían ser una forma de determinar si un ensayo clínico fracasará debido a reacciones tóxicas u otros problemas, al menos en algunos casos.

Demis Hassabis, director ejecutivo y cofundador de DeepMind, dijo que la compañía planeaba publicar detalles que describieran su trabajo, pero que era poco probable que eso ocurriera hasta algún momento del año próximo. También dijo que la compañía estaba explorando formas de compartir la tecnología en sí con otros científicos.

DeepMind es un laboratorio de investigación. No vende productos directamente a otros laboratorios o empresas. Pero podría trabajar con otras empresas para compartir el acceso a su tecnología a través de Internet.

Los mayores avances del laboratorio en el pasado han sido los juegos. Construyó sistemas que superaron el rendimiento humano en el antiguo juego de estrategia Go y en el popular videojuego StarCraft, enormes logros técnicos sin aplicación práctica. Ahora, el equipo de DeepMind está ansioso por llevar su tecnología de inteligencia artificial al mundo real.

"No queremos ser una empresa líder de la junta directiva", dijo el Dr. Jumper. "Queremos una relevancia biológica real".