El Premio Nobel de Química 2024 está dedicado a las proteínas. El primer ganador, David Baker, logró la hazaña casi imposible de crear tipos de proteínas completamente nuevos. Los otros dos ganadores, Demis Hassabis y John Jumper, fueron recompensados por haber desarrollado un modelo de IA para resolver un problema que data de hace 50 años: predecir las estructuras complejas de las proteínas. Estos descubrimientos encierran un enorme potencial.
Nuevos ganadores
Después de la medicina y la física, llega el momento de la química. Hace tres años, el comité concedió el Premio Nobel a dos investigadores por su trabajo que permitió desarrollar una nueva herramienta precisa para la construcción molecular: la organocatálisis. Hace dos años, el Premio Nobel fue otorgado conjuntamente a Carolyn Bertozzi, K. Barry Sharpless y Morten Meldal por el desarrollo de la “química del clic”. Finalmente, el año pasado, el preciado sésamo premió el descubrimiento y el desarrollo de los puntos cuánticos.
Para este año 2024, el Premio Nobel de Química fue otorgado conjuntamente a David Baker por el diseño computacional de proteínas, así como a David Hassabis y John M. Jumper por la predicción de la estructura de proteínas. Aquí están los diferentes puntos para recordar.
El diseño de novo y el trabajo de David Baker
En 2003, David Baker dio un paso revolucionario en la biología molecular al lograr crear proteínas completamente nuevas. Este avance es parte de una disciplina llamada concepción de nuevo donde las proteínas ya no se limitan a secuencias existentes observadas en la naturaleza. En cambio, los investigadores pueden diseñar proteínas desde cero imaginando y generando estructuras novedosas con funciones específicas.
La clave de este avance reside en el software llamado Rosetta, desarrollado por el equipo de Baker. Este programa utiliza algoritmos para predecir cómo los aminoácidos se pliegan en una estructura tridimensional, lo que determina en gran medida la función de una proteína. Al combinar el conocimiento de la biofísica y los avances computacionales, Rosetta hace posible no sólo predecir las estructuras de las proteínas, sino también diseñar proteínas con funciones precisas y novedosas.
Esta capacidad de generar proteínas hechas a medida ha enormes implicaciones en diversos campos científicos e industriales. En medicina, el diseño de novo puede utilizarse, por ejemplo, para crear enzimas capaces de degradar moléculas tóxicas, desarrollar nuevos fármacos o mejorar el sistema inmunológico. Otro ejemplo en el campo de nanotecnologíadonde estas proteínas personalizadas pueden servir como materiales para crear nanoestructuras complejas.
AlphaFold2: Una revolución a través de la inteligencia artificial
En 2020, Demis Hassabis y Juan saltadorinvestigadores de Google DeepMind, por su parte, han logrado resolver uno de los mayores desafíos de la biología molecular con inteligencia artificial: predecir la estructura de las proteínas a partir de sus secuencias de aminoácidos. Durante décadas, los científicos han intentado descifrar este enigma, conocido como problema de plegamiento de proteínasque había permanecido sin resolver durante más de 50 años.
El modelo desarrollado por DeepMind, llamado AlfaFold2ha permitido un progreso sin precedentes. A diferencia de los laboriosos métodos tradicionales de cristalografía de rayos X o microscopía electrónica criogénica, AlphaFold2 utiliza tecnología avanzada aprendizaje automático predecir con excepcional precisión la estructura tridimensional de una proteína, simplemente a partir de la secuencia de sus aminoácidos.
El impacto de este modelo ha sido fenomenal. En tan solo unos años, AlphaFold2 ha hecho posible predecir la estructura de casi cualquier proteína identificados por los científicos, es decir, aproximadamente 200 millones de estructuras. Esta colosal base de datos ha transformado la investigación en biología molecular y en bioquímicafacilitando enormemente la comprensión de los mecanismos subyacentes de muchas enfermedades y acelerando la búsqueda de nuevos tratamientos.
En definitiva, este trabajo ha abierto inmensas perspectivas para la ciencia y la tecnología al no solo permitir visualizar estructuras proteicas complejas en unos minutos, sino también ofrecer la oportunidad de crear otras nuevas para resolver problemas médicos y ambientales. La combinación de los enfoques de Baker, Hassabis y Jumper ilustra el increíble potencial de las proteínas como herramientas químicas de la vida, que pueden controlarse, diseñarse y predecirse a una escala sin precedentes.
