17 episodios
01:37:55Habla: Juan Carlos Gil
↗
0:000:301:001:302:002:303:003:20

Juan Carlos Gil explica el problema del plegamiento de proteínas y cómo AlphaFold, derivado de AlphaGo, logró resolverlo.

…combinatoriales gigantescos que a la postre aparecen en muchísimos problemas científicos en los que a veces entendemos las reglas del problema, pero son intratables o muy lentos de investigar, pues porque el número de posibilidades es enormísimo, ¿no? y uno de esos problemas combinatorialmente intratables es el famoso plegamiento de proteínas. Muy rápido, sí, las proteínas son las piezas fundamentales de la vida. Antes hablábamos de ácidos nucleicos que son los que llevan el mensaje para cómo codificar las proteínas, porque son estas que hacen prácticamente de todo en la vida. Las enzimas, un tipo de proteínas, catalizan reacciones bioquímicas; los factores de regulación controlan actividad celular. Hay otras proteínas que forman la estructura, el andamiaje de las células, otras que transportan moléculas, en fin, hacen de todo. Y sin embargo, químicamente una proteína es una cosita muy sencilla, no es más una cadena de pequeños componentes. Antes hablamos de las bases nitrogenadas, aquellos son los componentes de los ácidos nucleicos. Pero aquí son aminoácidos y nada, hay apenas en la vida unos 20 distintos. Pero lo interesante es que la función para lo que sirve, acaba sirviendo al cuerpo, a la vida; una proteína no viene dada directamente por esta secuencia de aminoácidos sino cómo esta cadena se pliega en el espacio tridimensional y ese plegamiento a su vez depende de las interacciones entre los aminoácidos. Este de aquí se junta con el otro porque tienen afinidad y sí conocemos razonablemente bien estas interacciones individuales, pero de nuevo el problema, el número de formas posibles en el que una cadena razonablemente larga de aminoácidos se puede plegar en tres dimensiones pues es astronómico. ese es el problema del plegamiento de las proteínas que fue durante décadas abierto, pues explicar, dar con la estructura tridimensional de una sola proteína podía ser el trabajo de un doctorando, de un doctorado entero durante cuatro años, ¿vale? Entonces llegó AlphaFold, un derivado de alguna forma de AlphaGo, o por lo menos AlphaGo eran los cimientos, que no se entrenó para jugar al juego del Go, sino se entrenó para jugar al juego de Pleger Proteínas Y vamos, lo ganó, como con Lisedol predijo las estructuras de las 200 millones de proteínas que eran básicamente todas las que se conocían Así que no fue un avance incremental, pasaron de tardar cuatro años un equipo a hacerse todas de golpe O sea, claramente pues transformó un problema tremendamente difícil en algo prácticamente rutinario Y eso no... Un problema que tiene mucha utilidad práctica, o sea, no estamos hablando de un problema académico Eso decía, que es que la función de todas las proteínas, que a la postre es una fracción brutal de la bioquímica de la vida depende de esta forma concreta tridimensional. Claro que tiene un impacto tremendo. Y no es que Alfafol consiguiese eso sabiendo mucha química, ¿vale? Estoy convencido que Héctor y Gastón, lo digo bromeando porque siempre decís lo de la química, saben más química seguramente que Alfafol, pero el bicho... Ya te digo yo que yo no Pero el bicho este es capaz de entender y de aprender patrones y de esta forma navegar el gigantesco espacio de posibilidades de la forma en la que se puede plegar una proteína de forma no tan diferente a como Alfago navegaba el tablero este de 19 por 19 casillas pero no todos los problemas en ciencia son iguales. AlphaFold funciona en un entorno relativamente sencillo porque tenemos la secuencia completa de los aminoácidos y además tenemos una base de datos de estructuras previamente resueltas contra las que podíamos validar el trabajo de AlphaFold. En ese sentido, es de alguna forma o al menos semejante a los problemas que se llaman de información completa. Sabemos que estamos buscando y sabemos cómo validarlo. El Go es otro ejemplo de problema de información completa. Pero en otros sistemas de interés científico, como el clima, claramente trabajamos con información incompleta. Hay datos ruidosos, hay dinámicas caóticas y así, aún así, y pregunté sobre ello explícitamente a Colley. En la entrevista, DeepMind también ha desarrollado otro nieto de AlphaGo que se llama GraphCast, que en lugar de resolver las ecuaciones de la atmósfera con enormes supercomputadores y simulaciones es capaz de aprender sus dinámicas a partir de datos previos,…
Significado #1 · Palabras #1