Nobel Jumper: Quiero hallar otro problema que parezca imposible y que puede que no lo sea

Estocolmo, 9 dic (EFE).- El biólogo computacional John Jumper acaba de ganar un Premio Nobel en Química por desarrollar un modelo de inteligencia artificial (IA) capaz de predecir las estructuras de las proteínas y su próximo objetivo es "encontrar el próximo problema que parezca imposible y que puede que no lo sea".

Jumper (1985, Little Rock, EE.UU) comparte el premio con Demis Hassabis, mientras que David Baker, lo ha logrado por el diseño computacional de proteínas. Los premiados en todas las categorías recibirán el galardón mañana.

Junto a Hassabis, Jumper trabaja en Google DeepMind, la rama de investigación en IA de Google, y ambos han hecho realidad un sueño de 50 años, predecir las estructuras de las proteínas a partir de sus secuencias de aminoácidos, gracias a su sistema AlphaFold.

Con él, han podido predecir la estructura de unos 200 millones de proteínas, casi todas las que existen, un descubrimiento que encierra un enorme potencial.

Pregunta: ¿Me explica por qué AlphaFold es importante para la vida de las personas?

Respuesta: Dentro de nuestras células hay muchas, muchas máquinas diminutas llamadas proteínas y en nuestro ADN hay 20.000 lugares donde se hacen estas pequeñas máquinas que impulsan la vida, pero en realidad se hacen como si fueran una línea y luego se pliegan por sí mismas para lograr su forma funcional, como un mueble para montar.

Antes, tomaba algo así como un año obtener la estructura de una sola proteína, suponía un esfuerzo increíble por parte de científicos entrenados y ahora hemos desarrollado un sistema que lo hace en cinco minutos.

P: El comité nobel que decidió en galardón dijo que este sistema de IA tiene una miríada de aplicaciones. ¿Hay alguna que le haya sorprendido?

R: Creo que hay dos aplicaciones sorprendentes. Una es que los científicos están realmente descubriendo, de una manera nueva, cómo se unen las diferentes partes de la célula. Así descubrieron que haciendo muchas predicciones con AlphaFold y viendo cuáles funcionan, pueden encontrar nuevas proteínas que se unen.

Uno de mis ejemplos recientes favoritos es que cómo se unen el espermatozoide y el óvulo durante la fecundación; cómo se reconocen mutuamente está determinado por las proteínas.

Sabían que faltaba un componente, así que buscaron en más de 2.000 proteínas de esperma y encontraron cuál de ellas podía predecir Alphafold y que explicaba este componente que faltaba en la fecundación.

P: Hasta aquí, han podido predecir la estructura de casi 200 millones de proteínas, prácticamente todas las conocidas. ¿Con esta cantidad de conocimientos, la ciencia será capaz de grandes cosas?,

R: Absolutamente. Ya hay estudios maravillosos, como uno realizado por el laboratorio de Jennifer Doudna, ella misma ganadora del Premio Nobel (de Química en 2020) por el desarrollo del método (de edición genética) CRISPR, que usa AlphaFold para buscar ancestros desconocidos de las proteínas CRISPR.

P: ¿La tecnología, incluida a IA, solo tiene sentido sin mejora la vida de las personas?

R: Lo creo absolutamente. Alpha Fold es un ejemplo de cómo la IA está ayudando en el proceso de desarrollo de nuevos tratamientos médicos. Hace que los biólogos sean más rápidos en su increíblemente importante trabajo de entender el cuerpo y la célula y en cómo utilizan esa comprensión para convertirla en tratamientos.

La medicina es difícil porque sabemos poco sobre el funcionamiento del cuerpo y, a medida que sabemos más, desarrollamos más tratamientos. Eso es importante para todos.

También se está utilizando en agricultura, para optimizar los cultivos, para pensar en la resistencia bacteriana de los cultivos a los parásitos. Estamos viendo todos estos usos que, en última instancia, se convierten en tecnologías que ayudan a la vida de las personas.

P: ¿Y el siguiente paso?

R: Queda mucho por hacer. Cómo podemos responder a más preguntas sobre la célula, sobre partes cada vez más grandes de la biología, que nos acerquen a la salud humana utilizando estas herramientas y las nuevas que desarrollemos.

Por lo que a mí se refiere, creo que también quiero encontrar el próximo problema que parezca imposible y que puede que no lo sea.

P: La IA puede hacer mucha cosas buenas, pero no hay que descuidar su seguridad ante posibles usos que no sean buenos, ¿no cree?

R: En cuanto a la IA en relación con la biología, estamos pensando mucho en cuáles son los usos y los posibles usos indebidos de la tecnología. Antes de lanzar AlphaFold, hicimos una evaluación bastante extensa de lo que serían los riesgos y beneficios y hablamos de ellos con unos 30 expertos en seguridad biológica.

Dado que estas tecnologías son tan potentes y están llegando tan rápidamente, tenemos que pensar absolutamente en cuáles son los usos buenos y malos y asegurarnos de que tenemos lo que llamaríamos una previsión ética interna sobre cómo podrían utilizarse. Creo que DeepMind ha hecho un excelente trabajo hablando de ello antes de que estuviera en la percepción pública.

También he participado en gran número de grupos de expertos, hablado con gobiernos que piensan en normas, para reflexionar sobre esto y sobre la regulación de las tecnologías que se utilizan junto a la IA, como el análisis del ADN, para formar un ecosistema que garantice que obtenemos los beneficios de la IA al tiempo que controlamos los posibles riesgos. EFE

cr/crf

(foto)