La clave para conocer a fondo las proteínas, como las que gobiernan el cáncer, el COVID-19 y otras enfermedades, es bastante simple.
Basta con identificar su estructura química y encontrar qué otras proteínas pueden unirse a ellas. Lo difícil es llevarlo a la práctica.
Las combinaciones potenciales de posiciones de los componentes en las moléculas son más numerosas que la cantidad estimada de átomos que existen en el universo.
Averiguar cómo ocurre exactamente un determinado proceso molecular es, por tanto, una tarea enormemente difícil.
A fin de agilizar un poco esta labor, un equipo que incluye a Nathaniel R. Bennett y a Brian Coventry, ambos de la Universidad de Washington en la ciudad estadounidense de Seattle, ha recurrido a técnicas de aprendizaje profundo (una modalidad de inteligencia artificial empleada por sistemas como ChatGPT o DALL-E).
El resultado ha sido multiplicar por 10 la tasa de comprobaciones correctas realizadas en el laboratorio.
El aprendizaje profundo emplea algoritmos informáticos para buscar y analizar patrones en datos y hacer deducciones a partir de esos patrones.
Bennett y sus colegas utilizaron técnicas de aprendizaje profundo para obtener detalles estructurales reveladores sobre procesos moleculares de interés y obtuvieron modelos teóricos que luego, al comprobarlos, resultaron ser muy precisos.
El equipo de Bennett contó con la ayuda de la supercomputadora Frontera, ubicada en el Centro de Computación Avanzada de Texas.
Con las innovaciones introducidas, el trabajo se llevó a cabo con una velocidad más de 200 veces mayor que la lograda por el mejor software previo.
Fuente: Nature Communications