David Baker

Demis Hassabis

John Jumper

David Baker (1962). USA

Louis E. Brus (1976). United Kingdom

John Jumper (1985. USA

El Premio Nobel de Química 2024 ha sido dividido. Una mitad para   David Baker, "por el diseño computacional de proteínas", y la otra mitad para Demis Hassabis y  John Jumper "por la predicción de las estructuras de las proteínas".

Los químicos han soñado durante mucho tiempo con comprender y dominar las herramientas químicas de la vida: las proteínas. Este sueño está ahora al alcance de la mano. Demis Hassabis y John Jumper han utilizado con éxito la inteligencia artificial para predecir la estructura de casi todas las proteínas conocidas. David Baker ha aprendido a dominar los componentes básicos de la vida y a crear proteínas completamente nuevas. El potencial de sus descubrimientos es enorme.

¿Cómo es posible la exuberante química de la vida? La respuesta son las proteínas, unas extraordinarias herramientas químicas. Generalmente se construyen a partir de 20 aminoácidos  que se pueden combinar de infinitas maneras, usando la información almacenada en el ADN como modelo. Después, la cadena de aminoácidos se retuerce y se pliega en una estructura tridimensional distinta, a veces única (Figura 1). Esta estructura es la que le da a las proteínas su función y las convierten en patrones de construcción que pueden crear músculos, cuernos o plumas,u hormonas o anticuerpos. También las enzimas, que impulsan las reacciones químicas de la vida

El reto era poder predecir la estructura tridimensional de la proteína a partir de la secuencia de los aminoácidos que la integran. Si se consiguiera, ya no tendrían que utilizar la complicada cristalografía de rayos X para determinarla e incluso serían capaces de conocer las estructuras de aquellas en las que la cristalografía de rayos X no era aplicable.

Para fomentar la investigación en este campo se inició, en 1994, el programa Evaluación Crítica de la Predicción de la Estructura de las Proteínas (Critical Assessment of Protein Structure Prediction, CASP).

Cada dos años, investigadores de todo el mundo tenían acceso a secuencias de aminoácidos en proteínas cuyas estructuras acababan de ser determinadas, pero que eran mantenidas en secreto. El reto consistía en predecir las estructuras a partir de la secuencias de aminoácidos.

Hassabis y su equipo continuaron desarrollando AlphaFold, pero, por mucho que lo intentaron, el algoritmo nunca llegó hasta el final. La dura realidad era que habían llegado a un callejón sin salida

John Jumper estudió física y matemáticas y en 2008 empezó a trabajar en una empresa que utilizaba superordenadores para simular proteínas y su dinámica y en 2011 comenzó su doctorado en física teórica. Para ahorrar capacidad de cómputo, algo que escaseaba en la universidad, comenzó a desarrollar métodos más simples e ingeniosos para simular la dinámica de proteínas. Gracias a su experiencia tenía ideas sobre cómo mejorar AlphaFold, por lo que solicitó emplo en Deep Mind.

La nueva versión, AlphaFold2, fue mejorada gracias a los conocimientos de Jumper y a la utilización del gran avance que en la IA supusieron las redes neuronales llamadas transformadores, las cuales pueden encontrar patrones en enormes cantidades de datos de una manera más flexible, determinando de manera eficiente en qué se debe enfocar el estudio para lograr un objetivo en particular.

El equipo entrenó a AlphaFold2 con la vasta información de las bases de datos sobre las estructuras de proteínas y secuencias de aminoácidos conocidas (Figura 2)

Demis Hassabis trabajaba en IA. En 2010 cofundó DeepMind, una empresa que desarrolló modelos de IA  para juegos de mesa y en 2018  se inscribió en la decimotercera edición del CASP. Con su modelo de IA, AlphaFold, ganaron, pero la solución aún no fue lo suficientemente buena.

En 2020, cuando los organizadores del CASP evaluaron los resultados, comprendieron que el reto se había conseguido. En la mayoría de los casos, AlphaFold2 funcionó casi tan bien como la cristalografía de rayos X, lo cual fue asombroso. Cuando concluyó el concurso el 4 de diciembre de 2020, uno de los fundadores de CASP, John Moult, se preguntó: ¿y ahora qué?

David Baker, a finales de la década de 1990, comenzó a desarrollar un software informático que podía predecir las estructuras de las proteínas: Rosetta, y Baker y su equipo  usaron el software al revés. En lugar de introducir secuencias de aminoácidos en Rosetta y extraer las estructuras de las proteínas, deberían de ser capaces, a partir del estudio de la estructura, de obtener sugerencias para la secuencia de aminoácidos, lo que les permitiría crear proteínas completamente nuevas

El campo del diseño de proteínas, comenzóa finales de la década de 1990. Generalmente, los investigadores modificaban las proteínas existentes,pero la gama de proteínas naturales es limitada, así que el grupo de Baker decidió crearlas desde cero. Como Baker dijo: "Si quieres construir un avión, no empieces modificando  un pájaro, debes entender los principios de la aerodinámica y construir máquinas voladoras a partir de ellos".

La construcción de proteínas completamente nuevas se denomina diseño de novo. El grupo diseñó una proteína con una estructura completamente nueva e hizo que Rosetta calculara la secuencia de aminoácidos.

Resultó que Rosetta realmente podía construir proteínas. La proteína que los investigadores desarrollaron, Top7, tenía casi exactamente la estructura que habían diseñado.

Baker publicó su descubrimiento en 2003. También liberó el código de Rosetta, por lo que la comunidad de investigadores ha continuado desarrollando el software, encontrando nuevas áreas de aplicación.

Proteina Top7

Proteínas desarrolladas usando Rosseta

La asombrosa versatilidad de las proteínas  se refleja en la gran diversidad de la vida. Que ahora podamos visualizar fácilmente la estructura de estas pequeñas máquinas moleculares es alucinante y nos permite comprender mejor cómo funciona la vida: por qué se desarrollan algunas enfermedades, cómo se produce la resistencia a los antibióticos o por qué algunos microbios pueden descomponer el plástico.

La capacidad de crear proteínas con nuevas funciones es igual de asombrosa. Esto puede conducir a nuevos nanomateriales, productos farmacéuticos más específicos, un desarrollo más rápido de vacunas, diminutos sensores y una industria química más ecológica, por nombrar solo algunas aplicaciones para el beneficio de la humanidad.