La base de datos de estructuras proteicas predichas por inteligencia artificial AlphaFold ha dado un paso significativo en la lucha contra enfermedades infecciosas. El 24 de septiembre, investigadores añadieron más de 8,000 dímeros de proteínas virales —pares de moléculas que interactúan— a la AlphaFold Protein Structure Database, un recurso público que contiene predicciones de la estructura tridimensional de proteínas generadas con la herramienta de IA AlphaFold2.
Estas proteínas provienen de 23 familias de virus, todas con miembros capaces de infectar a humanos. La adición forma parte del lanzamiento de un ‘portal de preparación ante pandemias’ dentro de la ampliamente utilizada y gratuita base de datos AlphaFold, mantenida por el Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular (EMBL-EBI) en Hinxton, Reino Unido.
Un avance en la comprensión de los virus
Hasta ahora, los virus representaban un punto ciego en la base de datos, a pesar de que esta cuenta con más de tres millones de usuarios y contiene estructuras predichas para la mayoría de las proteínas conocidas. “Muchas proteínas virales no actúan individualmente, sino en conjunto con sus compañeras”, explica Joe Grove, virólogo molecular de la Universidad de Glasgow, Reino Unido, quien participó en el esfuerzo por añadir complejos virales.
La falta de entradas de alta calidad para muchas proteínas individuales, como las de los flavivirus —que incluyen el Zika y el dengue—, se debe a que cuando algunos virus se replican, sus moléculas de ARN se traducen primero en una poliproteína que luego se corta en moléculas funcionales individuales. Por ello, no siempre está claro en la secuencia genética dónde comienza y termina una proteína viral, lo que puede llevar a predicciones estructurales incompletas.
Identificación de secuencias precisas
Para mejorar esto, investigadores del Instituto Suizo de Bioinformática en Ginebra identificaron secuencias precisas para miles de proteínas virales que se cortan de poliproteínas. En total, Grove y científicos de diversas organizaciones analizaron las secuencias de 41,774 proteínas de alrededor de 2,800 virus, incluidos los que causan mpox, sarampión y hepatitis B.
Con estas secuencias, utilizaron AlphaFold2 para predecir las estructuras de 40,746 homodímeros —pares de cadenas proteicas idénticas que interactúan— y casi 1.7 millones de heterodímeros, en los que los pares son moléculas diferentes. Sin embargo, de estos, solo 2,749 homodímeros y 5,279 heterodímeros se consideraron lo suficientemente precisos para incluirse en la base de datos AlphaFold, aunque todas las predicciones se hicieron públicas.
Limitaciones y desafíos pendientes
Las predicciones carecen de las moléculas de azúcar que adornan muchas proteínas virales y les ayudan a evadir la detección inmunitaria. Además, muchas proteínas virales funcionan en complejos más grandes que los dímeros. Por ejemplo, la proteína espiga que permite al SARS-CoV-2 y otros coronavirus infectar células hospedadoras está formada por tres proteínas idénticas, al igual que la proteína de entrada del VIH.
En muchos casos, las predicciones de dímeros para tales complejos no se incluirán en la base de datos AlphaFold porque no fueron lo suficientemente precisas, señala Grove. A pesar de estas limitaciones, la iniciativa representa un avance crucial para la preparación ante pandemias, ya que proporciona a los investigadores herramientas para comprender mejor cómo los virus interactúan con las células humanas y cómo podrían desarrollarse tratamientos y vacunas.
La base de datos AlphaFold, que ya ha demostrado su utilidad en campos como la biología estructural y el diseño de fármacos, ahora se expande hacia un área crítica como la virología, ofreciendo datos abiertos que podrían acelerar la respuesta global ante futuras amenazas pandémicas.
