Seguimos en la semana de los Nobel. Hoy hemos tenido el de Química, y ojo, porque quizá a algunos les haya sorprendido que dos de los galardonados sean empleados de Google.
Les cito el acta del Comité. El premio ha sido para David Baker, "por diseñar nuevas proteínas mediante ordenador", y para Demis Hassabis y John Jumper, ambos directivos de DeepMind, la empresa de Google especializada en inteligencia artificial. A ellos se les concede el premio "por sus métodos para predecir la estructura de proteínas".
Al que no le sorprende este premio es a Alberto Aparici, que nos ha contado varias veces en este programa los avances que DeepMind estaba haciendo. "Revolución", los llamó alguna vez.
Ya hemos contado otras veces que las proteínas son las "currantes" de las células, las que lo hacen casi todo. Y funcionan prácticamente como si fueran robots: si una proteína tiene dentro un agujero, seguramente será porque su función es atrapar cosas. Si tiene dos patitas será porque su función es transportar cosas.
El problema es que a nosotros nos es muy difícil conocer la forma de una proteína. Primero porque son muy pequeñas, pero también porque son frágiles: si las sacas de la célula hay que hacerlo con mucho cuidado o se rompen y se deforman.
Por fortuna, la proteína no nace ya directamente con su forma final. Toda proteína es en realidad una hilera muy larga, como un collar, hecho de aminoácidos, y ese collar se va retorciendo y contorsionando hasta que se convierte en ese robot que desarrolla un trabajo dentro de la célula.
Y aquí viene lo importante: a nosotros no nos es fácil saber la forma de una proteína, pero es superfácil conocer la secuencia, los aminoácidos que forman ese "collar".
La secuencia está escrita en el ADN. El ADN es, literalmente, un libro de instrucciones con las secuencias de todas las proteínas del cuerpo. Ahora que es cada vez más barato leer el ADN tenemos todas las secuencias de proteínas.
La pregunta es: ¿cómo terminamos de recorrer el camino? Si me dan una secuencia, ¿cómo puedo saber yo cómo se plegará, qué forma tendrá al final? Y ésta ha sido una pregunta sin respuesta en los últimos 50 años.
Y la han respondido las inteligencias artificiales que han desarrollado los premiados: AlphaFold para Jumper y Hassabis y RoseTTAFold para Baker. Son herramientas casi milagrosas, a las que les das la secuencia y ellas te dicen qué forma piensan que tendrá la proteína, en qué partes están más seguras y en cuáles hay más incertidumbre. Gracias a AlphaFold y RoseTTAFold, donde antes éramos ciegos, ahora podemos ver.
Sobre si estos avances van a tener consecuencias palpables para el ciudadano medio, Aparici asegura que van a ser una revolución, sobre todo en medicina y en farmacia. Ahora, si vemos que una célula cancerosa está produciendo una proteína en grandes cantidades, podemos preguntarnos qué forma tendrá esta proteína y qué estará haciendo dentro de la célula.
Si queremos un medicamento que desactive una proteína, podemos echar un vistazo a la proteína y preguntarnos: "¿cuál será la mejor manera de inutilizarla?". El siglo XXI ha de ser el siglo de la medicina personalizada, e imagina cuánto más fácil va a ser eso si no necesitas hacer diez pruebas de laboratorio para conocer una proteína; si lo único que has de hacer es encender un ordenador.