Se desarrollan herramientas computacionales para predecir potenciales errores en el plegamiento de proteínas para predecir y curar enfermedades

En la frontera del conocimiento entre la biología molecular y la inteligencia artificial se busca desarrollar herramientas computacionales para predecir potenciales errores en el plegamiento de proteínas; los cuales causan enfermedades graves como la de las Vacas Locas.

Científicos de la UNAM estudian a partir de la Física, Química y Medicina el plegamiento de proteínas (proceso natural que ocurre a nivel molecular) y su eventual representación computacional con el uso de inteligencia artificial para predecir su comportamiento.

“Una proteína es una estructura biológica que está conformada a partir de aminoácidos que pueden unirse a través de un enlace químico (llamado enlace peptídico) y forman estructuras dimensionales lineales llamadas péptidos, los cuales generan funciones cuando tienen una estructura tridimensional específica”, explicó José Israel León Pedroza, del Departamento de Bioquímica de la Facultad de Medicina de la UNAM.

Se requieren operaciones matemáticas, ecuaciones y algoritmos que sintetizan el comportamiento biológico

En tanto, la inteligencia artificial está básicamente formada por algoritmos que se entrenan para predecir un resultado; por lo cual la información biológica se representa utilizando ecuaciones y diversos cálculos numéricos que permiten estimar cómo será la proteína.

El especialista destacó que este proceso ocurre a nivel molecular; un solo plegamiento erróneo en la secuencia de proteínas causa enfermedades graves como la de las Vacas Locas.

Al respecto, Ramón Garduño Juárez, del Instituto de Ciencias Físicas, dijo que tienen numerosas estructuras y funciones, cuyo problema principal es predecirlas. Detalló que con cada aminoácido que se añade a una secuencia proteica se multiplican por 20 las posibilidades; y “sumamos un número gigantesco de secuencias posibles”.

Se ha logrado hasta 60% de éxito

El físico destacó que el problema en la predicción de estructura es cómo pasar del genotipo -que es la información genética-, a aminoácidos que van codificados en ARN mensajero y en otras unidades que, una a una, se ensamblan hasta que forman una hilera; aunque no sabemos en qué momento la proteína se pliega.

“Lo que nos limita, precisamente, es el número de cálculos que tenemos que hacer para predecir. Sabemos que las proteínas se pliegan naturalmente en una escala de milisegundos a segundos”, señaló.

Rogelio Rodríguez Sotres, del Departamento de Bioquímica de la Facultad de Química de la UNAM, destacó que para avanzar en la representación del plegamiento de proteínas con inteligencia artificial. La comunidad científica internacional realizó el concurso CASP (siglas en inglés de Evaluación Crítica de Técnicas para la Predicción de la Estructura de las Proteínas); donde en varias ediciones no se logró superar 60% de las predicciones.

Superando el reto

Refirió que en la edición 13 del concurso la compañía DeepMind, que contaba con un programa campeón de ajedrez (AlphaZero), logró el reto de 60% de éxito. Esto al utilizar un conjunto de algoritmos llamados Redes Neuronales de Inteligencia Artificial; las cuales buscan imitar la capacidad humana de las neuronas para pensar y resolver problemas en forma digital.

Una neurona digital recibe información numérica, ejecuta operaciones y “decide” si contesta 0 o 1; no obstante, en el cerebro se necesitan miles de conexiones para tener un resultado. Hasta ahora, los intentos para utilizar la inteligencia artificial en el campo de la biología molecular concentran esfuerzos científicos y tecnológicos en varias partes del mundo.