Avance en IA: Predice con precisión estructuras 3D de todas las proteínas desde su secuencia

Investigadores usan un modelo de aprendizaje profundo para determinar la estructura 3D de una proteína basándose en su secuencia de aminoácidos.

Una vez completamente entrenado, supera ampliamente a todas las técnicas existentes en la estimación de estructuras proteicas sin conocimiento previo.

La importancia del plegamiento proteico

Las proteínas son uno de los principales componentes del cuerpo humano. Construyen y mantienen tejidos. Químicamente, están compuestas por aminoácidos —compuestos orgánicos formados por hidrógeno, carbono, oxígeno, nitrógeno o azufre.

Las proteínas llevan a cabo casi todos los procesos biológicos fundamentales esenciales para la vida al plegarse en estructuras tridimensionales precisas que controlan su interacción con otras moléculas.

Dado que la forma de una proteína determina su función y papel en diversas enfermedades, es crucial estudiar y predecir sus estructuras para desarrollar medicamentos que salven y transformen vidas.

Sin embargo, no es tan sencillo como parece. En las últimas cinco décadas, el plegamiento de proteínas ha seguido siendo uno de los problemas más desafiantes para los bioquímicos. Se han desarrollado numerosos métodos computacionales, especialmente en años recientes, para predecir cómo se pliegan las proteínas, pero no se ha logrado un mapa explícito de secuencia a estructura.

Ahora, investigadores de la Facultad de Medicina de Harvard han utilizado un modelo de aprendizaje profundo (una forma de inteligencia artificial) para determinar la estructura 3D de una proteína basándose en su secuencia de aminoácidos. Supera a las técnicas de vanguardia existentes en 6 a 7 órdenes de magnitud en términos de velocidad.

Aplicación del aprendizaje profundo diferenciable de extremo a extremo

Los algoritmos avanzados usan una técnica de fuerza bruta para simular la compleja física de las interacciones de aminoácidos y determinar la estructura proteica. Para reducir la sobrecarga computacional, estos algoritmos mapean nuevas secuencias sobre plantillas predefinidas que representan estructuras proteicas determinadas previamente.

Algunos proyectos de IA como AlphaFold de Google analizan una enorme cantidad de datos genómicos que contienen el plano de las secuencias proteicas. Sin embargo, estos métodos no estiman estructuras basándose únicamente en la secuencia de aminoácidos. No pueden determinar proteínas evolutivamente únicas (estructuras de proteínas nunca estudiadas antes).

Por ello, el equipo de investigación utilizó una técnica de aprendizaje profundo diferenciable de extremo a extremo, que ya ha demostrado su eficacia en algunas de las aplicaciones más populares, como Google Translate y Siri de Apple.

Referencia: Cell Systems | doi:10.1016/j.cels.2019.03.006 | Facultad de Medicina de Harvard

Este sistema de aprendizaje profundo, llamado red geométrica recurrente, se centra en las propiedades clave del plegamiento proteico. Se entrenó con miles de secuencias y estructuras proteicas predeterminadas.

Para cada aminoácido, el algoritmo calcula el ángulo de los enlaces químicos que unen el ácido con sus vecinos, así como el ángulo de rotación alrededor de estos enlaces.

Simulación visual de cómo la red calcula los ángulos de enlaces y rotación para construir la estructura proteica. | Crédito: Mohammed AlQuraishi

La red neuronal realiza estos cálculos (cada iteración se refina por la ubicación relativa de cada otro aminoácido) hasta completar la estructura. El sistema luego verifica la precisión de su resultado comparándolo con la estructura proteica real (obtenida por observación directa).

Resultados

Este proceso se repite para varias proteínas conocidas y la precisión del sistema aumenta con cada iteración. Puede tomar meses entrenar la red, pero una vez completado el entrenamiento, el modelo supera fácilmente a todas las técnicas existentes en la estimación de estructuras proteicas sin conocimiento previo.

Sin embargo, la precisión del modelo no es suficiente para resolver la estructura atómica completa de una proteína. Por tanto, aún no está listo para su uso en diseño o descubrimiento de fármacos.

Por ahora, puede complementar otras técnicas para predecir una clase mucho más amplia de estructuras proteicas que antes. Existen numerosas oportunidades para mejorar el modelo integrando leyes de física y química. Si deseas probarlo, el código y los resultados están disponibles en GitHub.