En octubre, el prestigioso Premio Nobel de Química fue otorgado a David Baker por su innovador "diseño computacional de proteínas", mientras que Demis Hassabis y John M. Jumper fueron reconocidos por su impresionante trabajo en la "predicción de la estructura de proteínas". Este avance ha marcado un antes y un después en el mundo de la biología molecular.

Con este fabuloso legado, varios laboratorios están explorando nuevas fronteras en el ámbito de las proteínas. Entre ellos, la innovadora empresa estadounidense EvolutionaryScale ha conseguido crear una proteína fluorescente artificial a través de un sofisticado modelo de inteligencia artificial. Este sorprendente logro se basa en la simulación de ¡500 millones de años de evolución natural!

La nueva proteína, conocida como esmGFP, pertenece a la familia de las llamadas proteínas fluorescentes verdes (GFP), que ya son bien conocidas por su presencia en la naturaleza, como en algunas especies de medusas. El descubrimiento de GFP fue tan notable que también le valió a sus descubridores un Premio Nobel en 2008.

Lo intrigante es que, aunque esmGFP pertenece a la familia de las GFP, su estructura y forma son distintas, lo que abre un nuevo horizonte en el estudio de proteínas. Esto nos lleva a imaginar cómo podrían haber sido los organismos si la evolución hubiera tomado otro rumbo, dando protagonismo a este diseño teórico sobre las proteínas existentes.

Según el equipo de investigación, las diferencias entre esmGFP y las proteínas naturales son comparables a 500 millones de años de evolución. Esto plantea preguntas fascinantes sobre la trayectoria evolutiva de la vida en nuestro planeta.

El modelo generativo que han utilizado, conocido como ESM3 (EvolutionaryScale Model 3), tiene una función curiosa: aunque su nombre sugiere que genera texto, en realidad crea proteínas. Este modelo permite estudiar un vasto universo de combinaciones en términos de secuencia, estructura tridimensional y función. Esta capacidad de análisis es crucial, ya que tanto la secuencia como la forma afectan directamente a la funcionalidad de las proteínas.

Para entrenar ESM3, el equipo manejó una increíble cantidad de datos: 771 mil millones de paquetes procedentes de 3.150 millones de secuencias de proteínas, 236 millones de estructuras y 539 millones de proteínas con sus funciones asociadas. Todo el proceso y los fantásticos resultados se publicaron en un artículo en la revista Science, llevando la ciencia a nuevos niveles de conocimiento.

Pero esto no es solo una curiosidad científica; tiene aplicaciones prácticas significativas. La creación de estas proteínas que podrían haber existido permite especular sobre "lo que podría haber sido", abriendo la puerta a realidades alternas en la evolución. Desde un punto de vista práctico, estas proteínas pueden ser útiles en el campo de la medicina, ofreciendo nuevas alternativas para combatir diversos trastornos al encontrar proteínas con roles similares a las que nuestro cuerpo produce naturalmente.

En resumen, el trabajo que EvolutionaryScale ha realizado no solo enriquece nuestra comprensión de la biología, sino que también podría revolucionar la medicina y otras ciencias relacionadas, demostrando de una vez por todas que la imaginación y la ciencia pueden crear un futuro brillante y lleno de posibilidades.