La importancia de la predicción de la estructura de las proteínas mediante inteligencia artificial

[pic 1][pic 2]

[pic 3][pic 4]

xxx[pic 5]

[pic 6]

DATOS:

ESTUDIANTE: Elmer Gheampier Alexander Barriente Apaestegui

GRADO Y SECCIÓN: 2do “O”[pic 7]

FECHA CÍVICA: Dia internacional para la defensa de ecosistemas de manglar.

DOCENTE: Tilia Blanca Sánchez Tello

[pic 8]

AREA: C Y T

[pic 9]

[pic 10]

La importancia de la predicción de la estructura de las proteínas mediante inteligencia artificial

Introducción[pic 11]

Las proteínas son moléculas esenciales para la vida, que realizan funciones vitales en todos los organismos vivos. Su funcionalidad depende de la forma tridimensional que adoptan al plegarse, lo que se conoce como estructura de las proteínas. Sin embargo, determinar esta estructura es un problema muy complejo y costoso, que ha desafiado a los científicos durante décadas. Por eso, el reciente avance logrado por la empresa Deepmind, que ha desarrollado un algoritmo capaz de predecir la estructura de las proteínas con una precisión sin precedentes, ha sido considerado como el descubrimiento científico más importante de 2021 por la revista Science. En este ensayo, voy a argumentar por qué este avance es tan relevante y qué beneficios puede aportar para la ciencia y la sociedad. 

[pic 12]

[pic 13]

¿Qué es el problema del plegamiento de proteínas?

El problema del plegamiento de proteínas consiste en predecir la estructura tridimensional que adopta una cadena lineal de aminoácidos al formar una proteína. Esta estructura determina la función de la proteína y su interacción con otras moléculas. Conocer la estructura de las proteínas es fundamental para entender los procesos biológicos y desarrollar nuevos fármacos, vacunas o enzimas.[pic 14]

Sin embargo, resolver este problema no es fácil, ya que existen miles de millones de formas posibles en las que se puede plegar una proteína. Hasta ahora, los métodos experimentales para determinar la estructura de las proteínas eran muy lentos, costosos y limitados. Por ejemplo, la cristalografía de rayos X requiere cristalizar la proteína, lo que no siempre es posible, y puede tardar meses o años en obtener un resultado. Además, solo se han determinado experimentalmente unas 170.000 estructuras de proteínas, mientras que se estima que existen unos 200 millones de proteínas diferentes en la naturaleza.

[pic 15]

              [pic 16]

            [pic 17]

¿Qué es AlphaFold y cómo funciona?

AlphaFold es el nombre del algoritmo desarrollado por Deepmind, una empresa británica especializada en inteligencia artificial (IA). Este algoritmo utiliza el aprendizaje profundo, una rama de la IA que imita el funcionamiento de las redes neuronales del cerebro humano, para predecir la estructura de las proteínas a partir de su secuencia de aminoácidos.[pic 18]

AlphaFold funciona mediante dos pasos principales: primero, analiza una gran base de datos de proteínas cuya estructura se conoce experimentalmente y aprende a identificar los patrones y las reglas que rigen el plegamiento de las proteínas. Segundo, aplica estos conocimientos a una nueva secuencia de aminoácidos y genera un modelo tridimensional de la proteína correspondiente.

AlphaFold ha demostrado una capacidad impresionante para predecir la estructura de las proteínas con una precisión muy cercana a la realidad. Esto se ha comprobado en el CASP (Critical Assessment of protein Structure Prediction), una competición internacional que se celebra cada dos años y que evalúa el rendimiento de los diferentes métodos computacionales para resolver el problema del plegamiento de proteínas. En 2020, AlphaFold superó a todos los demás participantes y alcanzó un nivel de precisión comparable al de los métodos experimentales.

...