Toda la vida, hasta donde sabemos, se ensambla molécula por molécula. El modelo de nuestros cuerpos está codificado en cintas de ADN y ARN. Las fábricas celulares llamadas ribosomas hacen que estos planos sean físicos al unir los aminoácidos en cadenas largas llamadas proteínas. Y estas proteínas, de las que hay cientos de millones, forman un conjunto de tecnologías naturales espectaculares: ojos, músculos, huesos y cerebro.
Es una paradoja : la vida necesita agua para sobrevivir, pero un mundo lleno de agua no puede generar las biomoléculas que habrían sido esenciales para la vida temprana. O eso pensaron los investigadores.
Diseñar una proteína es un poco como hacer un gabinete. El primer paso es construir la columna vertebral que mantiene unida a la proteína. Pero luego viene la parte difícil: averiguar dónde instalar las bisagras en el andamio, es decir, encontrar los mejores “puntos de acceso” para colocar puertas, estantes y otros accesorios que, en última instancia, hacen que el gabinete sea completamente funcional.
La IA lo ha vuelto a hacer. Después de resolver uno de los misterios más grandes de la biología, la predicción de la estructura de las proteínas, descifró cómo las proteínas se unen en complejos y soñó con nuevas estructuras de proteínas que, en última instancia, pueden convertirse en medicamentos para controlar nuestra biología básica, salud y vida.
Disponer de un catálogo con todas las proteínas que componen nuestro cuerpo sabiendo exactamente a qué enfermedad se asocia cada una no es una utopía. La proteica lo hará posible.
Desde que comenzó la pandemia, la incertidumbre por el posible contagio y el desarrollo de síntomas ahogó a la sociedad. No sabíamos nada de la enfermedad que provocaba el SARS-CoV-2 y observábamos que a cada persona le afectaba de una manera diferente. Ante tal escenario surgía siempre la misma pregunta: ¿por qué?
El sistema inmune es un conjunto de procesos y elementos biológicos que permiten mantener la homeostasis frente a agentes externos.
Los científicos de DeepMind y la Universidad de Washington describen métodos basados en el aprendizaje profundo para resolver plegamiento de proteínas, la última etapa de ejecución de la programación en nuestro ADN.
Predecir cómo una proteína adquiere una forma tridimensional única ha desconcertado a los científicos durante medio siglo.