David Baker, Demis Hassabis y John Jumper ganan el Premio F. BBVA Fronteras del Conocimiento Biología y Biomedicina
Los doctores David Baker (Universidad de Washington), Demis Hassabis y John Jumper (ambos de DeepMind) han ganado el Premio Fundación BBVA Fronteras del Conocimiento en su categoría de Biología y Biomedicina “por sus contribuciones al uso de la inteligencia artificial para predecir con precisión la estructura tridimensional de las proteínas a partir de sus secuencias de aminoácidos primarios”, en palabras del jurado, un avance con potencial biomédico para impulsar el desarrollo de nuevos tratamientos contra múltiples enfermedades.
Baker, catedrático de Bioquímica de la Universidad de Washington e investigador del Howard Hughes Medical Institute (Estados Unidos) es el creador del programa ‘RoseTTAFold’, mientras que Hassabis y Jumper –CEO e investigador senior, respectivamente, de la compañía de Inteligencia Artificial DeepMind– son los autores de ‘AlphaFold2’.
“Ambos métodos computacionales están basados en una sofisticada técnica de aprendizaje automático, denominada aprendizaje profundo, para predecir la forma de las proteínas con una precisión sin precedentes, similar a la de las estructuras determinadas experimentalmente, y a una velocidad excepcional”, ha expresado el jurado.
“Este trascendental avance está revolucionando el conocimiento de cómo la secuencia de aminoácidos de las proteínas origina estructuras tridimensionales ordenadas de forma única. Los científicos utilizan ahora estos nuevos métodos para predecir interacciones entre proteínas, diseñar proteínas completamente nuevas y encontrar nuevas dianas farmacológicas”, concluye el acta.
El director del Centro de Trastornos del Neurodesarrollo del Medical Research Council en King’s College London (Reino Unido) y secretario del jurado, Óscar Marín, ha detallado que, hasta ahora, se necesitaban “años de trabajo muy duro en el laboratorio” para predecir la estructura de una única proteína. “Pero, gracias a los avances logrados por los tres premiados, ahora solo necesitamos unos pocos minutos en el ordenador para lograr este objetivo”, añade. “Las contribuciones de Baker, Hassabis y Jumper nos van a permitir avanzar mucho más rápidamente en el desarrollo de terapias para múltiples enfermedades”, destaca.
UN “ATAJO” MEDIANTE INTELIGENCIA ARTIFICIAL
Por su parte, Dario Alessi, director de la Unidad de Fosforilación y Ubiquitinación de Proteínas-MRC en la Universidad de Dundee (Reino Unido) y vocal del jurado, ha expresado que “la comunidad científica siempre asumía que iba a ser demasiado complicado entender cómo se pliegan las proteínas”. “Si lo intentas deducir de los principios físicos que rigen en el proceso, necesitas una cantidad ingente de recursos computacionales para adivinar cuál es la forma más estable. Sin embargo, los premiados han desarrollado un atajo utilizando Inteligencia Artificial, con un método de aprendizaje profundo”, explica Alessi.
Para uno de los premiados, Jumper, ‘AlphaFold’ representa “el primer ejemplo poderoso” de cómo el aprendizaje profundo es capaz de captar la complejidad de los sistemas biológicos y “desarrollar realmente la comprensión matemática de cosas extraordinariamente complejas”, ha declarado en una entrevista concedida poco después de conocer la concesión del premio. “Es muy difícil manejar la extraordinaria complejidad que se observa en una célula viva, pero, de verdad, creo que con esta tecnología somos capaces de captar esa complejidad”, expresa.
“‘AlphaFold’ ya ha incidido en la investigación biológica con un gran impacto en muy poco tiempo”, resalta por su parte Hassabis. “Sabemos que más de un millón de investigadores han utilizado las estructuras predichas por ‘AlphaFold’ en sus investigaciones, y prácticamente todas las compañías farmacéuticas del mundo han utilizado ‘AlphaFold’ en sus programas de descubrimiento de fármacos”, ha resaltado.
PROTEÍNAS ‘DE DISEÑO’ PARA BLOQUEAR VIRUS Y CÉLULAS CANCERÍGENAS
Además de predecir cómo se pliegan las proteínas que ocurren en la naturaleza, el programa ‘RoseTTAFold’, impulsado por David Baker, también ha demostrado ser muy útil para diseñar proteínas completamente nuevas a partir de una sencilla descripción de las funciones que se quiere que cumplan. Así, el programa permite obtener proteínas para bloquear desde proteínas del virus de la gripe o del Covid-19 hasta células cancerígenas, y los resultados se han comprobado con éxito en el laboratorio.
“Las proteínas nuevas pueden constituir medicamentos mejorados, por lo que hay muchas aplicaciones médicas novedosas y emocionantes. Por ejemplo, se podrán crear nuevas vacunas o nuevos medicamentos para tratar el cáncer”, explica Baker.
A finales de los años 90, este bioquímico y biólogo computacional estadounidense comenzó a explorar maneras de deducir la estructura de las proteínas a partir de los principios físicos y plasmó sus conclusiones en un algoritmo bautizado como ‘Rosetta’. Funcionaba relativamente bien para proteínas pequeñas, pero requería grandes recursos computacionales y un conocimiento muy experto para emplearlo.
En paralelo, Demis Hassabis y John Jumper se propusieron utilizar la Inteligencia Artificial para tratar de resolver el problema de manera más ágil y accesible. Jumper lideró un equipo que empleó herramientas de aprendizaje profundo que ya estaban disponibles para toda la comunidad científica y utilizó ingentes cantidades de datos acerca de las secuencias y estructuras de las proteínas conocidas para entrenar a la red neuronal.
El lanzamiento de ese primer intento, al que llamaron ‘AlphaFold’, tuvo lugar en 2018. “Teníamos el mejor sistema del mundo en aquel momento, pero distaba mucho de tener la precisión que sabíamos que era necesaria para ser relevante a nivel experimental”, expone Jumper.
De inmediato, se pusieron a trabajar para diseñar un sistema mejor. Comenzaron de cero y decidieron integrar todo el conocimiento que poseían acerca de cómo se pliegan las proteínas dentro de la propia red neuronal. Así, la red no solo tenía la información que aportaban las proteínas ya conocidas, sino que además incorporaba partes del mecanismo de plegado dentro del diseño.
En diciembre de 2020 presentaron la nueva herramienta, ‘AlphaFold2’. “Comenzamos a mantener reuniones semanales en mi grupo de investigación, hicimos una revisión sistemática de las ideas que teníamos, empezamos a experimentar, y aquello fue lo que acabó conformando ‘RoseTTAFold'”, relata por su parte Baker.
El lanzamiento llegó pocos meses después. El nivel de exactitud era comparable al de ‘AlphaFold2’, y contaba con una funcionalidad añadida. No solo permitía predecir la estructura de una proteína a partir de la secuencia de aminoácidos que la generaba en cuestión de horas o incluso minutos, sino que incorporaba también el proceso contrario: a partir de una proteína con una forma dada, obtenía la secuencia de aminoácidos correspondiente.
LOS GALARDONADOS EN LA ANTERIOR EDICIÓN
En la edición anterior fueron galardonados Robert Langer, Katalin Karikó y Drew Weissman, por sus contribuciones a las terapias de ARN mensajero (ARNm) y a la tecnología de transferencia que permite a nuestras propias células producir proteínas para la prevención y el tratamiento de enfermedades, hallazgos que posibilitaron el desarrollo oportuno y rápido de vacunas contra el SARS-CoV-2.
Estos premios, creados por la Fundación BBVA en 2008, reconocen contribuciones de alto impacto en disciplinas que conforman el mapa del saber del siglo XXI. El trabajo de los jurados internacionales, formados por reconocidos expertos que actúan con completa independencia y aplican el rigor, los indicadores y la métrica de excelencia propios de cada área, ha consolidado el prestigio de unos galardones que reciben candidaturas de las principales instituciones académicas, de investigación y de creación cultural del mundo.