El premio fue otorgado a David Baker “por el diseño computacional de proteínas” y a Demis Hassabis y John Jumper “por la predicción de la estructura de las proteínas”, anunció la Real Academia Sueca de Ciencias el 9 de octubre en una conferencia de prensa en Estocolmo.

Las proteínas permiten casi todas las facetas de la vida. Forman nuestros huesos, piel y cabello; transportan carga de una célula a otra; son anticuerpos que atacan a microbios peligrosos; son máquinas moleculares que reparan el ADN dañado. Su lista de funciones en el cuerpo es casi interminable. 

Cada proteína está formada por una cadena de moléculas llamadas aminoácidos. Si doblamos la cadena, obtenemos una proteína. Pero la clave está en cómo se dobla la cadena. Puede plegarse como un abanico de papel, doblarse en espirales, arrugarse como un trozo de papel y más. Existe un universo de formas posibles que dependen del orden de los aminoácidos en la cadena.

Y, al igual que la forma de una llave determina qué cerradura puede abrir, la forma de una proteína influye en su función en el organismo. “Para entender cómo funcionan las proteínas, es necesario saber qué aspecto tienen”, explicó Johan Åqvist, miembro del Comité Nobel de Química, durante la rueda de prensa. “Eso es lo que han hecho los galardonados este año”.

En 1998, David Baker, bioquímico de la Universidad de Washington en Seattle, y sus colegas presentaron un programa informático llamado Rosetta que podía tomar una secuencia corta de aminoácidos y predecir cómo luciría la estructura tridimensional de la proteína resultante. Pero el verdadero avance llegó en 2003, cuando el equipo de Baker le dio la vuelta a esa idea. Dibujaron una proteína tridimensional inventada (algo que no existía en la naturaleza) y pidieron a Rosetta que ideara una secuencia de aminoácidos que se plegara en esa estructura. 

Funcionó. Cuando el equipo de Baker sintetizó la secuencia de aminoácidos en el laboratorio, se convirtió en una proteína exactamente como la que Rosetta había predicho. Desde entonces, Baker ha creado un conjunto de proteínas de diseño, incluida una que puede detectar el fentanilo en el ambiente y otra que bloquea el coronavirus.

“David Baker nos abrió un mundo completamente nuevo de estructuras proteínicas que nunca habíamos visto antes”, afirmó Åqvist. “Es casi como si sólo tu imaginación estableciera el límite de lo que puedes hacer”.

La neurocientífica Leslie Vosshall afirma que ha utilizado Rosetta en su propio laboratorio de la Universidad Rockefeller de Nueva York. “Estos algoritmos de software han acelerado la capacidad de todos los científicos para hacer su trabajo”, afirma. “Lo que antes llevaba décadas o una eternidad, ahora puede llevar un minuto”. Vosshall también es vicepresidenta del Instituto Médico Howard Hughes, en el que Baker es investigadora.

La parte del premio que les corresponde a Demis Hassabis y John Jumper proviene de sus avances en la predicción de la estructura de las proteínas. En 2016, los informáticos, ambos de DeepMind de Google en Londres, ya habían alcanzado fama mundial por crear un programa informático que venció al actual campeón mundial del juego de estrategia Go (SN: 15/3/16). 

Dos años después, utilizaron sus conocimientos de inteligencia artificial para resolver un problema aún más complicado. El modelo de IA del dúo, llamado AlphaFold, podía predecir estructuras de proteínas a partir de secuencias de aminoácidos con una precisión de casi el 60 por ciento, mucho mayor que lo que se había logrado anteriormente. 

Según Åqvist, esto ya suponía un gran avance, pero una segunda versión del modelo, AlphaFold2, era incluso mejor. Podía ofrecer resultados casi tan buenos como el método de referencia para determinar las estructuras de las proteínas, una técnica de laboratorio llamada cristalografía de rayos X. 

Un modelo de inteligencia artificial llamado AlphaFold predijo la forma de esta proteína vegetal, una de las 200 millones de estructuras proteínicas que el modelo ha generado. Los distintos colores indican la confianza del modelo en su predicción, desde el azul oscuro (muy alta) hasta el naranja (muy baja). EMBL-EBI, Google DeepMind

El modelo de inteligencia artificial de Hassabis y Jumper aprovecha una base de datos de secuencias y estructuras de proteínas conocidas. Utiliza esa información para trazar un mapa de la distancia física probable entre aminoácidos individuales en una secuencia dada y luego convierte el mapa en una estructura tridimensional, con una precisión del 90 por ciento, dijo Åqvist. “La predicción de la estructura de las proteínas con AlphaFold2 provocó una revolución completa en la bioquímica estructural”.

El equipo AlphaFold ha predicho las estructuras de casi todas las 200 millones de proteínas que los científicos conocen hoy (SN: 23/9/22) . Los biólogos han utilizado AlphaFold para predecir las proteínas en los genomas de los pepinos de mar y las proteínas en las abejas que protegen contra las infecciones bacterianas (SN: 10/4/23, SN: 21/12/22) .

Este es el segundo Premio Nobel de este año que reconoce la IA. El premio de física se otorgó el 8 de octubre a John Hopfield y Geoffrey Hinton, quienes realizaron un trabajo fundamental sobre redes neuronales artificiales (SN: 8/10/2024).

“Es realmente interesante ver cómo esto se alinea con el premio de física”, dice Mary K. Carroll, presidenta de la Sociedad Química Estadounidense. “El hecho de que Hassabis y Jumper hayan utilizado redes neuronales es otro ejemplo de cómo las herramientas computacionales y matemáticas informan y sustentan una gran cantidad de trabajos científicos realmente apasionantes”.

Baker estaba durmiendo cuando recibió la llamada del comité Nobel a primera hora de la mañana. Cuando recibió la noticia, recuerda, su mujer empezó a gritar tan fuerte que no pudo oír a la persona que estaba al otro lado de la línea. “Fue muy, muy emocionante”, dijo por teléfono durante la conferencia de prensa. “Está resultando ser un día único y especial”.

El premio total de 11 millones de coronas suecas, o aproximadamente un millón de dólares, se dividirá entre los tres galardonados. Baker recibirá la mitad y Hassabis y Jumper se repartirán el resto.

Citas

D. Baker et al. Diseño de un nuevo plegamiento globular de proteínas con precisión a nivel atómico. Science. Vol. 302, 21 de noviembre de 2003, pág. 1364. doi: 10.1126/science.1089427.

J. Jumper et al. Predicción de la estructura de proteínas con alta precisión con AlphaFold. Nature. Vol. 596, 26 de agosto de 2021, pág. 583. doi: 10.1038/s41586-021-03819-2.

Acerca de Meghan Rosen

Meghan Rosen es redactora y escribe sobre ciencias biológicas para Science News . Obtuvo un doctorado en bioquímica y biología molecular con especialización en biotecnología en la Universidad de California, Davis, y luego se graduó del programa de comunicación científica en la UC Santa Cruz.

Acerca de Andrea Tamayo

Andrea Tamayo es pasante de redacción científica en Science News para el otoño de 2024. Tiene una licenciatura en microbiología y una maestría en comunicación científica.

Autor