La inteligencia artificial ya permite desenrollar proteínas en diez minutos

Un equipo de científicos de Estados Unidos, desarrolló un programa de computación que permite conocer la estructura de las proteínas en diez minutos. Una tarea que, en otros tiempos, les hubiese llevado décadas.

El noviembre del año pasado, Google y su filial inglesa Deep Mind dieron a conocer que, por primera vez, sus investigadores lograron descifrar un viejo problema referente a la Inteligencia Artificial. Se trata del problema del plegamiento de las proteínas, el cual tiene que ver con cómo estas moléculas se enrollan o se pliegan a partir de las instrucciones que les dan los aminoácidos, por lo que, para poder identificar de forma precisa las múltiples formas que pueden adquirir, son necesarios modelos en tercera dimensión que requieren de una gran potencia de computación.

Las proteínas, que están compuestas básicamente por carbono, regulan, entre otras cosas, el comportamiento de los virus, las bacterias, las funciones del cuerpo humano y de todos los organismos. Además, están formadas por secuencias de aminoácidos que a su vez están regulados por cientos de genes que les dan las instrucciones necesarias, a las proteínas, sobre cómo deben comportarse.

De hecho, las distintas maneras en las que se comportan las proteínas, las diferentes formas que pueden adquirir, es lo que le otorga complejidad y diversidad a la vida. Descifrar sus mecanismos resultará fundamental si se pretende desarrollar nuevos tratamientos contra algunas enfermedades como el cáncer, así como combatir miles de padecimientos y desarrollar terapias y vacunas contra la Covid-19.

La capacidad de una computadora no se mide únicamente por su velocidad en el procesamiento de la información, sino también por su ‘habilidad’ para predecir e interpretar modelos matemáticos complejos que ayuden a los científicos a resolver un problema determinado.

Esta capacidad de interpretación viene dada, justamente, por el desarrollo de la Inteligencia Artificial, una disciplina que tuvo su primer gran acierto en la época en que al matemático inglés Alan Turing (1912-1954), el gobierno británico le encomendó la ardua tarea de descifrar los códigos y las comunicaciones de la temida aviación nazi durante la Segunda Guerra Mundial.

Por fortuna, Turing tuvo éxito y gracias a su trabajo miles de vidas fueron salvadas, además de que contribuyó a que se terminara la guerra. Desafortunadamente, una vez acabada ésta, el matemático fue condenado por homosexual. Sin embargo, sesenta años después, en 2013, recibió el perdón de la reina Isabel II.

Los esfuerzos de Turing y de muchos otros a lo largo ya de varios siglos (los pasos que da la ciencia a veces son lentos, pero casi siempre seguros), lograron que, ahora, un nuevo programa de computación pueda desentrañar los mecanismos que subyacen a la estructura de las proteínas en tan solo diez minutos.

Se trata de un nuevo software llamado RoseTTAFold, el cual fue desarrollado por investigadores del Instituto para el Diseño de las Proteínas de la Escuela de Medicina de la Universidad de Washington, quienes lograron mejorar la capacidad de predicción y de cálculo del software original, Alpha Fold, desarrollado por Google. A diferencia de este último, RoseTTAFold, es gratuito y permite que una gran cantidad de investigadores y de instituciones a lo largo del mundo puedan acceder a él.

RoseTTAFold utiliza el llamado Aprendizaje Profundo (Deep Learning), para predecir de forma rápida y precisa las estructuras de las proteínas basándose en información limitada. Ello significa que el programa no solamente analiza la información de manera lógica, sino que la interpreta para que los científicos la puedan utilizar. Sin la ayuda de este software, podrían ser necesarios años de trabajo de laboratorio para determinar la estructura de una sola proteína.

El Aprendizaje Profundo surgió como consecuencia del desarrollo de la Inteligencia Artificial y se le considera un tipo de Aprendizaje de Máquina. Este último tiene que ver con cómo se entrena a una computadora para que realice tareas como las que hacemos los seres humanos. Por ejemplo, el reconocimiento del habla, la identificación de imágenes y el hecho de hacer predicciones sobre cualquier cosa.

Un tipo de predicción con Aprendizaje de Máquina es el que realizan los programas de mapas en nuestro teléfono celular para decirnos cuál es el mejor camino que debemos seguir para llegar de un sitio a otro. En este caso, la predicción estará basada en factores tales como la cantidad de tráfico que hay en las calles y el camino más corto, es decir, el tiempo que toma llegar de un punto a otro.

En lo que respecta a RoseTTAFold, los científicos ya lo utilizaron para hacer predicciones e intentar descifrar cientos de nuevas estructuras de proteínas, incluidas muchas que están relacionadas con el genoma humano y que no se conocen muy bien. También analizaron aquellas que son relevantes para la salud humana como las proteínas relacionadas con los trastornos del metabolismo, los problemas inflamatorios y el crecimiento de células cancerosas.

Para que el Aprendizaje Profundo funcione correctamente, las computadoras deben de contener Redes Neuronales Artificiales. Gracias a ellas, los científicos pueden saber cómo interactúan entre sí los aminoácidos de una proteína. Ello no solamente permite conocer su estructura tridimensional, sino también saber cómo se relacionan entre sí sus partes químicas. Por si fuera poco, las Redes Neuronales, que emulan el funcionamiento del cerebro humano, desenvuelven, a través de simulaciones, a las proteínas -que siempre están plegadas- lo que ayuda a hacer predicciones y llegar a conclusiones precisas sobre cómo funcionan.

Los alcances de la Inteligencia Artificial en el futuro no tan lejano son aún desconocidos porque desconocemos cuál será la verdadera capacidad que tendrán las computadoras cuánticas. En éstas, la información, los bits, que están contenidos en un código binario de unos y ceros, puede estar a la vez en los dos estados posibles: uno y cero al mismo tiempo, por lo que las posibilidades para guardar y procesar información serían enormes.

Tan prometedoras serán las posibilidades con esta nueva computación, que quizá nos tocará ver robots como Hal, de la película Odisea del Espacio 2001 de Stanley Kubrick. Éste cumplía con los principios de una Máquina de Turing, ya que era capaz de que sus razonamientos fueran indistinguibles de los razonamientos hechos por un ser humano, es decir, el robot tenía capacidad de pensar por sí mismo, aprender y tomar decisiones.

En su libro de 2005, ‘La singularidad está cerca’, Ray Kurzweil -el famoso inventor y científico estadounidense especializado en Ciencias de la Computación- afirma que la singularidad tecnológica (cuando las computadoras y robots lleguen a ser conscientes de sí mismos) llegará a completarse en unas décadas, en 2045, y que se producirá cuando deje de ser posible predecir, mediante las leyes naturales, el orden existente de las cosas, es decir, cuando las máquinas vayan más allá de los dictados naturales de la biología.

Y la biología, en este caso, somos los seres humanos que, desde esta perspectiva, nos tendremos que hacer a un lado con la llegada de las máquinas. Al menos en tareas que ya no estemos dispuestos a realizar.

AN / MDS