IA EN EL ESTUDIO DE BIOMOLÉCULAS

A menudo se les conoce como los "bloques de construcción de la vida": Biomoléculas. Para entender y utilizar su función en el organismo, hay que conocer su estructura. Una cuestión compleja y a veces imprecisa. Aquí es donde entra el nuevo método, desarrollado en la Universidad de Duisburgo-Essen (UDE) con otros centros de investigación alemanes, con la ayuda de la inteligencia artificial. Los investigadores han publicado sus resultados en Nature Machine Intelligence.

Ingeridas con los alimentos, las biomoléculas entran en el organismo y se descomponen en compuestos químicos, biomoléculas como las grasas, las proteínas o los hidratos de carbono. La cuestión de cómo están estructurados se vuelve interesante especialmente cuando se trata de la causa molecular de las enfermedades, por ejemplo. El problema es que se necesitan experimentos complejos para resolver la estructura de las biomoléculas de tamaño nanométrico. Pero incluso así, las evaluaciones no siempre son inequívocas: los datos medidos requieren una interpretación exhaustiva. El profesor de la UDE Alexander Schug, jefe del grupo de Biología Estructural Computacional, lo ilustra con un ejemplo: "Una sombra proyectada puede tener diferentes formas. Aquí tenemos los datos de medición de cómo reacciona la biomolécula al examen, pero no sabemos directamente cómo es la biomolécula".

Aquí es donde entra en juego la inteligencia artificial, en la que el equipo de la UDE ha trabajado junto con el Forschungszentrum Jülich, el Instituto Tecnológico de Karlsruhe y el Centro Alemán de Investigación del Cáncer. Los datos de las mediciones se complementan con un modelo basado en la física de la biomolécula en el ordenador. "Para mantenernos en la analogía de la proyección de sombras, nos preguntamos: ¿qué forma de biomolécula podría producir dicha sombra y es físicamente estable al mismo tiempo?" El método se basa en el aprendizaje de enjambre: un ordenador simula muchos miembros de un gran enjambre simultáneamente, y cada miembro prueba una ponderación diferente de los valores medidos y del modelo físico. En el proceso, todos los miembros del enjambre están en contacto entre sí y en permanente intercambio de combinaciones de parámetros. "Aprenden qué combinaciones funcionan bien y pueden acotar cada vez más qué otras combinaciones prometedoras existen. Esto les lleva a la estructura que buscan". Como resultado, el nuevo método hace un uso muy eficiente del tiempo de computación, a la vez que proporciona estructuras muy precisas.

En el futuro, este método podría ayudar a tratar enfermedades que actúan a nivel molecular, como el Alzheimer o la enfermedad de Huntington. También es concebible su uso en simulaciones de materiales.

Fuentes: Nature, Plos One