Ley del ciclo del cincelado y la construcción · Serie sobre IA · 20

¿Resolvió AlphaFold el plegamiento de las proteínas?

Han Qin · Unos 10 minutos · Publicado

1. En un entorno dado

Una proteína es una cadena larga, formada por aminoácidos de veinte tipos, unidos uno tras otro. Las cadenas cortas tienen unas decenas; las largas, más de mil. En ciertas condiciones, muchas cadenas se pliegan en una forma tridimensional relativamente estable. Algunas regiones, en cambio, carecen de una forma fija. La forma tiene que ver con dónde puede unirse a otras moléculas o dónde puede romper un enlace.

El 11 de diciembre de 1972, Christian Anfinsen dio en Estocolmo su conferencia del Nobel. Llevaba años haciendo experimentos con una enzima: deshacía su forma y, al volver a ponerla en una solución adecuada, la enzima recuperaba por sí sola la forma anterior. Llamó hipótesis termodinámica a la conclusión que había extraído. La frase central decía que «la conformación nativa está determinada por el conjunto de las interacciones entre los átomos y, por tanto, por la secuencia de aminoácidos, en un entorno dado». Antes había enumerado entre paréntesis varias condiciones: disolvente, pH, fuerza iónica, iones metálicos y temperatura.

Lo que perduró fue que la secuencia determina la estructura. «En un entorno dado» y la lista entre paréntesis no viajaron con la frase.

2. Plegarse con elegancia

En 1969 se celebró en la Universidad de Illinois un encuentro sobre un tipo de espectroscopia aplicado a sistemas biológicos. Cyrus Levinthal, biólogo molecular, presentó un texto de tres páginas, «Cómo plegarse con elegancia».

Hizo una cuenta. Una cadena proteica puede adoptar tantas formas, del orden de diez elevado a trescientos, que probarlas una por una no acabaría nunca. Y, sin embargo, una proteína natural podía plegarse en segundos. Lo explicó así: «La rápida formación de interacciones locales acelera y guía el plegamiento de la proteína; esas interacciones locales determinan luego cómo continúa plegándose el polipéptido». La cadena no prueba las formas una por una. Unas cuantas partes pequeñas se juntan primero y el resto sigue a partir de ahí.

Al terminar el encuentro mostró un cortometraje. En la pantalla de un osciloscopio bajo control de una computadora crecía poco a poco una cadena polipeptídica. A lo largo del camino más favorable en términos de energía se juntaban las partes que correspondían, una tras otra.

En las tres páginas no aparece la palabra paradoja. En 1992, tres físicos publicaron «La paradoja de Levinthal». Alguien habla en un encuentro de plegarse con elegancia y, veintitrés años después, su nombre queda unido a una paradoja.

3. Siete estructuras

Para averiguar la forma de una proteína, se la producía, purificaba y cristalizaba. Se irradiaba el cristal y, de las manchas de difracción, se iba reconstruyendo la forma. Después llegaron la resonancia magnética nuclear y la criomicroscopía electrónica. Una estructura solía llevarle a un equipo meses y, a veces, años. Solo interpretar manualmente los datos de una medición por resonancia magnética nuclear suele costarle a un especialista de semanas a meses.

En 1971 hubo un encuentro en Cold Spring Harbor, en Long Island, Nueva York. Treinta y cinco años después, Louise Johnson recordó que Max Perutz había reunido a quienes ya tenían coordenadas atómicas de proteínas. Dio algunos nombres, incluido el suyo. A Perutz le importaba que otros pudieran conseguir las coordenadas con facilidad y que se conservaran a largo plazo. El 20 de octubre de aquel año, una revista de la familia Nature publicó un anuncio breve del Banco de Datos de Proteínas. Se instaló en el Laboratorio Nacional de Brookhaven y empezó con siete estructuras.

A medida que los laboratorios de distintos países resolvían una estructura, la depositaban allí. En 1989, un comité de la Unión Internacional de Cristalografía exigió que las publicaciones de estructuras cristalinas de proteínas depositaran las coordenadas en el banco. En 1999, los Institutos Nacionales de Salud de Estados Unidos exigieron que, en los estudios que financiaban, se hicieran públicas las coordenadas al publicarse el artículo. En 2012 había más de ochenta mil estructuras; en 2014 se superaron las cien mil y en 2019, las ciento cincuenta mil.

Cada una equivale a meses o años de trabajo de un grupo de personas.

4. Los jugadores

En 2008, investigadores de la Universidad de Washington lanzaron un juego de computadora llamado Foldit. Los jugadores arrastraban en la pantalla una cadena proteica, la doblaban y la torcían para encontrar formas de menor energía. El sistema daba una puntuación.

En septiembre de 2011, una revista de biología estructural de la familia Nature publicó «Estructura cristalina de una proteasa retroviral monomérica resuelta por los jugadores de un juego de plegamiento de proteínas». La proteína procedía de un virus de monos. Ya se tenía el cristal y los datos de difracción, pero no se había logrado reconstruir la estructura. Los investigadores la pusieron en el juego en un desafío de tres semanas. Algunos de los modelos enviados fueron lo bastante buenos como para que los cristalógrafos los compararan con los datos de difracción y encontraran una coincidencia. Luego acabaron y refinaron la estructura. Los titulares de entonces decían que los jugadores habían resuelto en diez días una estructura que llevaba quince años resistiéndose a los científicos.

El tercer y cuarto lugar de la lista de autores no lo ocupan personas, sino dos equipos: Foldit Contenders Group y Foldit Void Crushers Group.

5. El examen

En 1994, John Moult y otras tres personas organizaron la primera evaluación de predicción de estructuras de proteínas, CASP. Alrededor de treinta y cinco grupos presentaron ciento treinta y cinco predicciones. Después se celebró cada dos años.

El examen funcionaba así. Los organizadores buscaban laboratorios que estuvieran a punto de resolver una estructura aún inédita. Les pedían que entregaran la respuesta y la guardaban bajo reserva. Solo daban a los grupos de predicción la secuencia de aminoácidos de la proteína y un plazo para que devolvieran la forma prevista. Una vez publicada la estructura del laboratorio, se hacía la comparación. Los laboratorios ponían las preguntas. Cada una era fruto de meses o años de trabajo. Tenían la respuesta y de momento no la decían.

Uno de los métodos de comparación más usados después fue la prueba de distancia global. Se superponen la forma prevista y la experimental y se cuenta qué proporción de posiciones de la cadena queda a uno, dos, cuatro u ocho ángstroms de su posición experimental. Se toma el promedio de las cuatro proporciones en una escala de cien. Un ángstrom es una diezmilmillonésima de metro.

6. En cierto sentido

En diciembre de 2018, en Cancún, México, se celebró la decimotercera edición de CASP. DeepMind, la empresa londinense del decimoséptimo artículo, participó por primera vez con un programa llamado AlphaFold. En la categoría más difícil, la que no tenía estructuras conocidas parecidas que sirvieran de referencia, quedó primera con 68,3 puntos. El segundo obtuvo 48,2.

Mohammed AlQuraishi, que investigaba la predicción de estructuras en la universidad, volvió y escribió en su blog la pregunta que alguien le había hecho en el encuentro: «¿Qué acaba de pasar?». La mejora, decía, equivalía más o menos a la de dos ediciones. Los investigadores universitarios con los que había hablado sentían en su mayoría una especie de angustia existencial. En las universidades había decenas de grupos que hacían ese trabajo, cientos de personas en total. DeepMind había ido con unas diez.

La decimocuarta edición, en 2020, se celebró por internet debido a la pandemia. Al publicarse los resultados el 30 de noviembre, AlphaFold superaba los noventa puntos en cerca de dos tercios de los problemas, ya en el margen de precisión de la propia medición experimental. Las medianas que anotó AlQuraishi pasaron de 68,5 en la edición anterior a 92,4. Esta vez AlphaFold tenía otra arquitectura.

Ese día, un periodista de Science citó a Moult, fundador de CASP: «Esto es importante. En cierto sentido, el problema se ha resuelto». El comunicado de CASP decía que, para proteínas individuales, estaba resuelto en buena medida. El título del blog de DeepMind anunciaba AlphaFold como solución a un gran reto biológico de cincuenta años.

Dos días después, el biólogo estructural británico Stephen Curry publicó en su blog «No, DeepMind no ha resuelto el plegamiento de las proteínas». Distinguía entre predecir la forma final y entender cómo llega la cadena a plegarse así.

7. Doscientos millones

El 15 de julio de 2021 salió en Nature «Predicción de estructuras proteicas de alta precisión con AlphaFold». Lo firmaban treinta y cuatro personas y el código se publicó a la vez. Ese mes, el laboratorio de David Baker en la Universidad de Washington publicó también RoseTTAFold.

El 22 de julio, DeepMind y el Instituto Europeo de Bioinformática abrieron su base conjunta de estructuras predichas. La primera tanda rebasaba las trescientas cincuenta mil e incluía unas veinte mil proteínas humanas. En julio de 2022 superó los doscientos millones. El instituto anunció que abarcaba prácticamente «todas las proteínas catalogadas que conoce la ciencia». Catalogadas significa que sus secuencias figuran en los registros. Los más de doscientos millones de formas de la base se calcularon, no se midieron.

Cada posición lleva una puntuación de confianza. Más de noventa indica confianza muy alta y menos de cincuenta, muy baja. La documentación advierte que una región de confianza muy baja puede ser un tramo sin forma fija, pero no se puede determinar solo con la puntuación.

Trabajos posteriores probaron los límites uno por uno. Algunas proteínas adoptan más de una forma y alternan entre dos o tres; el programa da de manera predeterminada una sola. Otras cambian de forma al unirse a una molécula pequeña; el programa no sabe si esa molécula está presente. Si se sustituye un aminoácido en una posición, el cambio de forma que predice y el cambio de estabilidad medido en el laboratorio apenas concuerdan.

En 2012, Ken Dill y Justin MacCallum publicaron en Science una revisión, «El problema del plegamiento de proteínas, cincuenta años después». Contaban desde 1962, cuando Perutz y sus colegas recibieron el Nobel por su trabajo sobre estructuras proteicas. Separaban tres preguntas: cuál es el código físico del plegamiento, cómo recorre la cadena el camino hasta plegarse y si una computadora puede predecir la estructura a partir de la secuencia. La última frase dice que «ya no sirve hablar de resolver el problema del plegamiento de proteínas como si fuera un objetivo único».

El título del artículo de AlphaFold emplea la última de las tres: predicción de estructuras.

8. Plegamiento

El 9 de octubre de 2024 se concedió la mitad del Nobel de Química a David Baker por el diseño computacional de proteínas. La otra mitad fue para Demis Hassabis y John Jumper, de DeepMind, por la predicción de estructuras proteicas. El día anterior, el Nobel de Física había sido para Hopfield y para Hinton, el del decimocuarto artículo.

En mayo de ese año se publicó el artículo de AlphaFold 3. El modelo podía predecir la forma de complejos de proteínas con ácidos nucleicos, moléculas pequeñas e iones. El código no se publicó junto al artículo; solo se abrió un servicio en línea. Un grupo de investigadores de biología estructural y computacional escribió una carta abierta a Nature: aquello se apartaba de las prácticas del campo. En noviembre se publicó el código con una licencia limitada al uso no comercial.

Por el camino se han caído varias palabras. El «en un entorno dado» de Anfinsen; el «en cierto sentido» de Moult; las «proteínas individuales» del comunicado de CASP; las «catalogadas» del anuncio del instituto; la advertencia de Dill y su colega de que no se tratara como un objetivo único. Al quitarlas queda una frase: un programa resolvió un problema de plegamiento de proteínas de cincuenta años.

Quedó también un nombre. El fallo del Nobel dice predicción de estructuras. Lo que se difundió fue plegamiento.

AlphaFold aprendió de las estructuras del banco. Desde aquellas siete de 1971, durante medio siglo, un laboratorio después de otro y un grupo después de otro hicieron crecer cristales, los irradiaron y calcularon a partir de las manchas de difracción. Resolvieron y depositaron las estructuras una tras otra. En el examen de CASP, los laboratorios entregan bajo reserva las estructuras que acaban de resolver y aún no han publicado, para que otros las predigan. En el artículo de Foldit aparecen como autores dos equipos de jugadores.

El entorno dado de Anfinsen queda fuera de la secuencia. Esas personas también quedan fuera del programa. Esta serie llama remanente a esa parte que sigue quedando fuera por más que se calcule.

Se siguen construyendo máquinas. Dónde queda el límite vuelve a decirlo cada generación.