Nvidia, Google DeepMind y el Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular (EMBL-EBI) utilizaron inteligencia artificial para crear un conjunto abierto de estructuras de proteínas de más de 2.800 virus, con el objetivo de acelerar la respuesta científica ante futuros brotes sanitarios o pandemias.
La información, disponible en la base de datos AlphaFold, reúne modelos tridimensionales de proteínas y complejos proteicos de 2.812 proteomas virales pertenecientes a 23 familias relevantes para la salud humana.
PUBLICIDAD
El objetivo es que laboratorios de cualquier país puedan comenzar a estudiar posibles amenazas sin esperar a que se produzca una emergencia sanitaria.
La posibilidad de futuros brotes o pandemias preocupa a los organismos de salud por factores como el cambio climático, la movilidad internacional, la expansión humana sobre hábitats animales y las brechas en la vigilancia sanitaria, según la Organización Mundial de la Salud.
Por qué conocer las proteínas permite acelerar la investigación
Las proteínas permiten que un virus entre en las células, se reproduzca y evada las defensas del organismo. Conocer su forma y la manera en que se unen entre sí ayuda a los investigadores a comprender el funcionamiento de un patógeno.
PUBLICIDAD
El nuevo material incorpora predicciones generadas con AlphaFold2, el sistema de inteligencia artificial de Google DeepMind que calcula la forma tridimensional que puede adoptar una proteína a partir de su secuencia.
La colaboración también utilizó la plataforma BioNeMo de Nvidia para procesar miles de proteínas virales a gran escala.
Los modelos no sustituyen los experimentos de laboratorio. La propia base de datos identifica el nivel de confianza de cada predicción, y los científicos deben comprobar los resultados antes de desarrollar tratamientos.
PUBLICIDAD
Sin embargo, los datos pueden ayudar a determinar qué proteínas conviene investigar primero, una decisión relevante cuando los primeros días de un brote son decisivos.
La colección suma 5.279 heterodímeros de alta confianza, complejos formados por dos proteínas distintas, y 2.749 homodímeros, que reúnen dos copias de una misma proteína. Integra otros 4.681 homodímeros virales de alta confianza elaborados por un grupo externo.
Por qué Nvidia y Google compartieron los datos de su investigación
Durante la pandemia de Covid-19, la investigación sobre diagnósticos, vacunas y fármacos avanzó a una velocidad sin precedentes, aunque la distribución de herramientas y conocimientos no fue igual en todos los países. El acceso abierto a información biológica busca reducir parte de esa brecha.
PUBLICIDAD
El EMBL-EBI aloja el material en el Portal de Preparación ante Pandemias de AlphaFold.
Allí, los investigadores pueden consultar estructuras de virus vinculados con familias que infectan a seres humanos y descargar datos para sus propios análisis. La licencia permite usos académicos y comerciales con atribución.
La alianza también incluye a la Coalición para las Innovaciones en Preparación para Epidemias, la Universidad Nacional de Seúl, la Universidad de Glasgow, el Instituto Suizo de Bioinformática y otras instituciones.
PUBLICIDAD
Nvidia también liberó la herramienta utilizada para generar las predicciones, de modo que otros equipos puedan analizar nuevas secuencias virales.
“Poner estos datos a disposición es fundamental para comprender diagnósticos virales y desarrollar tratamientos y vacunas”, afirmó Jo McEntyre, directora interina del EMBL-EBI, según el blog de Nvidia.
La publicación coincide con la reunión de alto nivel de la Asamblea General de las Naciones Unidas sobre prevención, preparación y respuesta ante pandemias, prevista para el 25 de septiembre en Nueva York.
PUBLICIDAD
El encuentro revisará los compromisos adoptados después de la pandemia de Covid-19 y discutirá cómo mejorar la coordinación internacional.
Qué es AlphaFold de Google DeepMind
AlphaFold es una herramienta de inteligencia artificial desarrollada por Google DeepMind que estima la estructura tridimensional de las proteínas a partir de la secuencia de aminoácidos que las compone.
El sistema aborda uno de los desafíos históricos de la biología: entender cómo una cadena lineal de aminoácidos adopta una forma tridimensional específica para cumplir una función. Durante décadas, esta tarea dependió de métodos de laboratorio lentos y costosos, como la cristalografía de rayos X.
PUBLICIDAD
Con inteligencia artificial, AlphaFold puede generar estas predicciones en minutos u horas y alcanzar, en algunos casos, niveles de precisión comparables con los obtenidos mediante técnicas experimentales.
PUBLICIDAD