Nobel de Química per revelar codis de proteïnes mitjançant intel·ligència artificial

El Nobel de Química ha premiat aquest dimecres els nord-americans David Baker i John M. Jumper i el britànic Demis Hassabis per desxifrar el codi de les estructures de les proteïnes a través de l’ús de la computació i la intel·ligència artificial (IA).

Hassabis i Jumper van utilitzar l’IA per predir l’estructura de gairebé totes les proteïna conegudes; Baker va desenvolupar mètodes computeritzats per crear proteïnes que no existien prèviament i, en molts casos, amb noves funcions, va assenyalar en la seua motivació la Reial Acadèmia de les Ciències sueca.

Les seues troballes permeten una millor comprensió de les funcions vitals humanes, entre aquestes el perquè d’algunes malalties i la forma en què te lloc la resistència antibiòtica; així com la creació de nous nanomaterials, minisensors i una indústria química menys contaminant, a més d’accelerar el desenvolupament de vacunes.

Les proteïnes són les molècules que fan possible la vida; els maons que formen els ossos, la pell; els motors que impulsen els nostres músculs; les màquines que llegeixen, copien i reparen l’ADN; les que mantenen les nostres neurones i el nostre cervell llestos, anticossos que permeten la nostra resposta immunitària.

Així ho ha resumit Johan Aqvist de l'Acadèmia Sueca de Ciència per explicar el premi i ha afegit que "per entendre com funciona la vida, primer hem de comprendre la forma de les proteïnes.

L’expert ha indicat que el premi d’aquest any "ha obert un món completament nou d’estructures de proteïnes: unes que se sabia que existien, però no com eren, i altres que es dissenyen des de zero, que no hi son a la naturalesa, però "que poden fer tota mena de coses meravelloses".

Baker, que ha intervingut per telèfon durant la roda de premsa, va revelar que se sentia "profundament honrat" pel guardó i entusiasmat per "totes les formes que el disseny de proteïnes pot fer del món un lloc millor", per exemple en l’àmbit de la salut o la medicina.

La Reial Acadèmia recorda que no es va poder començar a explorar en detall les proteïnes fins a la dècada de 1950, amb l’aparició de la cristal·lografia amb rajos X, una eina que va permetre produir imatges d’unes 200.000 proteïnes diferents al llarg dels anys.

Descobriments posteriors van revelar que l’estructura tridimensional de les proteïnes està determinada per la seqüència d’aminoàcids en elles, per la qual cosa si es conegués aquesta, es podria predir aquella, la qual cosa es va convertir en un dels grans reptes de la bioquímica.

El 1994 es va posar en marxa l’Avaluació Crítica de les Tècniques per a la Predicció Estructural Proteica (CASP, per les seues sigles en anglès), un experiment mundial biennal comunitari per aconseguir predir l’estructura de les proteïnes, que amb prou feines va registrar avanços durant més de dos dècades.

Un pioner en l’ús de la intel·ligència artificial

Demis Hassabis, un expert en neurociència, va cofundar en 2010 DeepMind, una companyia dedicada al desenvolupament de models d’IA per a jocs de taula i que va ser venuda al gegant tecnològic Google quatre anys més tard.

En 2018 Hassabis va inscriure a la seua firma en el CASP, aconseguint amb el seu model d’IA AlphaFold un 60 % de prediccions correctes, superior al 40 % màxim registrat com a màxim per altres científics en anys anteriors, però encara insuficient.

L’entrada de John Jumper, un expert en proteïnes, a l’equip de Hassabis i l’ús de transformadors, xarxes neuronals artificials acabades de descobrir, els va permetre dos anys després fer un salt qualitatiu amb AlphaFold2, els resultats del qual eren tan bons com els de la cristal·lografia però molt més ràpids: el que abans tardava anys, ara es pot aconseguir en pocs minuts.

Google DeepMind ha compartit públicament el codi per a AlphaFold2, que ha estat utilitzat fins hora per més de dos milions de persones de 190 països.

Un software per predir estructures de proteïnes

David Baker va començar a explorar les estructures de les proteïnes en la dècada de 1990 i va desenvolupar un software que podia predir-les, batejat com a Rosetta.

Després d’obtenir un èxit important al CASP de 1998, amb millors resultats que la majoria, se li va acudir utilitzar el software a la inversa: en comptes d’introduir seqüències d’aminoàcids a Rosetta i treure'n les estructures, podria aconseguir propostes de seqüències a partir d’una estructura desitjada i crear proteïnes completament noves.

Va ser així com va poder construir la seua primera proteïna, anomenada Top7 i diferent a qualsevol altra ja existent, el primer cas del que el Comitè Nobel considera un "extraordinari desenvolupament".

Anys més tard es va adonar del potencial dels models d’IA basats en transformadors, afegint-ne un a Rosetta, la qual cosa va facilitar la creació de més i més noves proteïnes.

David Baker (Seattle, 1962) es va doctorar a la Universitat de Califòrnia el 1989 i exerceix la docència actualment a la de Washington.

Hassabis (Londres, 1976) va estudiar al University College London i és director executiu de Google DeepMind, on també treballa John M. Jumper (Little Rock, 1985), que va estudiar a la Universitat de Chicago.

Baker s’emporta la meitat del dotació del premi, que aquest any ascendeix a 11 milions de corones sueques (968.000 euros, 1,1 milions de dòlars); Hassabis i Jumper es dividiran l’altra meitat.

Els tres succeeixen al palmarès del Nobel de Química el francès Moungi Bawendi, el nord-americà Louis Brus i el rus Alexei Ekimov, distingits l’any passat per la troballa, i desenvolupament dels punts quàntics, que han revolucionat la nanotecnologia.

La ronda de guanyadors dels Nobels continuarà demà amb el de Literatura i seguirà en els dies següents amb els de la Pau i Economia.