Sincroton

La inteligencia artificial predice la estructura de las proteínas que forman al humano

DeepMind y el Laboratorio Europeo de Biología Molecular han publicado este jueves más de 350.000 estructuras, incluyendo las de unas 20.000 proteínas humanas y las de otros 20 organismos, como el ratón de laboratorio y la bacteria de la tuberculosis. El científico Venki Ramakrishnan, ganador del Nobel de Química en 2009, afirma que es “un avance asombroso”, de consecuencias impredecibles. “Ha ocurrido mucho antes de lo que muchos expertos habrían predicho. Va a ser emocionante ver las muchas maneras en las que va a cambiar radicalmente la investigación biológica”, ha señalado Ramakrishnan, del Laboratorio de Biología Molecular de Cambridge (Reino Unido), en un comunicado.

DeepMind, una empresa comprada por Google, predice con una precisión sin precedentes la estructura de casi todas las proteínas que forman un ser humano.

Estructuras de proteínas predichas por el sistema de inteligencia artificial AlphaFold. DEEPMIND

La humanidad lleva medio siglo enfrentada a un desafío descomunal: averiguar la forma de los ladrillos básicos de la vida, un conocimiento esencial para curar enfermedades hoy letales. El agua es muy fácil de imaginar. Son solo dos átomos de hidrógeno unidos a otro de oxígeno: H₂O. Pero la proteína que enrojece la sangre, la hemoglobina, responde a la endiablada fórmula C₂₉₅₂H₄₆₆₄N₈₁₂O₈₃₂S₈Fe₄. El biólogo estadounidense Cyrus Levinthal calculó en 1969 que se necesitaría más tiempo del transcurrido desde el origen del universo —unos 14.000 millones de años— para desentrañar todas las configuraciones posibles de una única proteína a partir de su secuencia de aminoácidos, que son los eslabones de esas macromoléculas. Sin embargo, un sistema de inteligencia artificial del conglomerado de Google ha logrado hacerlo en unos minutos. Sus predicciones para prácticamente todas las proteínas humanas se hacen públicas este jueves22 de julio del 2021. Es un salto de gigante para la biología. La humanidad se quita una venda de los ojos.

Encabeza esta revolución el neurocientífico británico Demis Hassabis (Londres, 44 años). El investigador fue un niño prodigio del ajedrez y en 1997 quedó marcado por el combate entre el maestro ruso Gari Kaspárov y el superordenador Deep Blue. La computadora ganó aquella batalla, pero Hassabis se quedó con la sensación de que era un cacharro tosco, inútil si había que jugar a las tres en raya. Cuando acabó la última partida, el entonces estudiante de la Universidad de Cambridge se propuso diseñar una máquina capaz de aprender cualquier juego. En 2010, Hassabis fundó la empresa DeepMind para impulsar la inteligencia artificial. En 2013, su primera criatura había aprendido sola a jugar y ganar en diferentes videojuegos de la legendaria videoconsola Atari. En 2014, Google compró la compañía por unos 650 millones de dólares (unos 500 millones de euros al cambio de entonces)(Londres, 44 años). El investigador fue un niño prodigio del ajedrez y en 1997 quedó marcado por el combate entre el maestro ruso Gari Kaspárov y el superordenador Deep Blue. La computadora ganó aquella batalla, pero Hassabis se quedó con la sensación de que era un cacharro tosco, inútil si había que jugar a las tres en raya. Cuando acabó la última partida, el entonces estudiante de la Universidad de Cambridge se propuso diseñar una máquina capaz de aprender cualquier juego. En 2010, Hassabis fundó la empresa DeepMind para impulsar la inteligencia artificial. En 2013, su primera criatura había aprendido sola a jugar y ganar en diferentes videojuegos de la legendaria videoconsola Atari. En 2014, Google compró la compañía por unos 650 millones de dólares (unos 500 millones de euros al cambio de entonces)

Demis Hassabi

Tras su entrenamiento con los videojuegos, los científicos de DeepMind se han lanzado a intentar resolver uno de los mayores retos de la biología. Las proteínas —como las hormonas, las enzimas y los anticuerpos— son diminutas máquinas que llevan a cabo las funciones básicas para la vida. Están formadas por cadenas de otras moléculas más pequeñas, los aminoácidos, como si fueran un collar de perlas. Estos collares se pliegan en enrevesadas configuraciones que determinan su función. Los anticuerpos, defensas del cuerpo humano ante invasores como el coronavirus, tienen forma de Y.

En el ADN de cada célula están escritas las recetas de todas las proteínas que necesita para funcionar. El sistema de DeepMind, bautizado AlphaFold, lee esa información —una secuencia de aminoácidos— y predice la estructura de cada proteína. Su precisión es similar a la lograda con experimentos en el laboratorio, que requieren muchísimo más tiempo y dinero. Es como adivinar la forma de una tortilla al ver por primera vez una receta con huevos, patatas, cebolla, aceite y sal.

Algunas organizaciones ya están trabajando con la nueva base de datos. La Iniciativa Medicamentos para Enfermedades Olvidadas, una entidad sin ánimo de lucro impulsada por Médicos Sin Fronteras, utiliza la estructura de las proteínas para buscar nuevos tratamientos. Prácticamente todas las enfermedades, desde el cáncer al alzhéimer, pasando por la covid, están relacionadas con la forma de alguna proteína. Otras instituciones, como la Universidad de Portsmouth (Reino Unido), están empleando el programa para intentar diseñar proteínas capaces de reciclar plásticos.

Demis Hassabis, director ejecutivo de DeepMind, ha anunciado que su plan es publicar 100 millones de estructuras en los próximos meses. Eso supondría ofrecer gratis la predicción de la forma de prácticamente todas las proteínas con una secuencia de aminoácidos conocida. “Creemos que esta es la contribución más importante hasta ahora de la inteligencia artificial al conocimiento científico”, ha proclamado Hassabis. En su estudio, publicado este jueves en la revista Nature, ha participado el español Bernardino Romera Paredes, un ingeniero informático de DeepMind nacido en Murcia hace 35 años.

El sistema AlphaFold no nace de la nada, como ha recalcado Edith Heard, directora general del Laboratorio Europeo de Biología Molecular, un organismo con 1.800 trabajadores y sedes en Alemania, Francia, Italia, Reino Unido y, desde 2017, en España, en Barcelona. “AlphaFold ha sido entrenado utilizando datos de recursos públicos creados por la comunidad científica, así que tiene sentido que sus predicciones sean públicas”, ha declarado Heard. La investigadora habla de “una auténtica revolución para las ciencias de la vida, como lo fue la genómica hace décadas”.

Para determinar la estructura real de una proteína se necesitan carísimas infraestructuras, como el Laboratorio Europeo de Radiación Sincrotrón, una instalación circular de casi un kilómetro de circunferencia en Grenoble (Francia). La radiación emitida por los electrones que circulan por el anillo, compuesta básicamente por rayos X, permite observar los secretos de la materia. El biólogo españoJosé Antonio Márquez explica que dilucidar la forma de una proteína con un sincrotrón, o con el método alternativo de la criomicroscopía electrónica, puede requerir “meses o incluso años”. AlphaFold lo consigue en minutos, pero con errores.

José Antonio Marquez

“Se trata de predicciones de ordenador, no de la determinación experimental de la estructura. Y la precisión es del 58%”, subraya Márquez, un investigador valenciano de 52 años que dirige la Plataforma de Cristalografía del Laboratorio Europeo de Biología Molecular, en Grenoble. Hoy en día, si un científico quiere estudiar una proteína implicada en el cáncer, tiene que esperar meses o años para analizar su forma. En las bases de datos solo hay unas 180.000 estructuras. La información publicada este jueves duplica esa cifra. Y en unos meses serán millones. “Lo normal hoy es no encontrar una proteína en las bases de datos. Con AlphaFold puedes tener una predicción con un 58% de fiabilidad. Te ahorra una cantidad de tiempo enorme”, opina Márquez, que no ha participado en el proyecto. Las imprecisiones del sistema se concentran en unas determinadas regiones de las proteínas, desestructuradas para adaptarse al ambiente.

El biólogo español señala otras limitaciones. El sistema de DeepMind puede predecir la estructura de una molécula aislada, pero las proteínas suelen interactuar con otras. AlphaFold todavía no es capaz de pronosticar la forma de estos complejos, pero es un programa diseñado para que aprenda solo. Márquez es optimista: “Va a conseguir acelerar los descubrimientos en prácticamente todas las áreas de la biología”.

Compilador: Ricardo Cuya-Vera

Fuente; Nature, https://www.nature.com/articles/s41586-021-03828-1

Harald Helfgott

Harald Helfgott Seier

Harald Andrés Helfgott Seier (Lima, Perú, 25 de noviembre de 1977) es un matemático peruano. Su principal área de investigación es la relacionada con la teoría de números. En el 2015 publicó dos trabajos que demuestran la conjetura débil de Goldbach, después de 271 años de su formulación.

Esta conjetura se expresa así:

Todo número impar mayor que 7 puede expresarse como suma de tres números primos impares.

Egresó del colegio Alexander von Humboldt, obtuvo una beca de pregrado en la Universidad Brandeis en Estados Unidos. En esta estudió desde 1994 a 1998, obteniendo su B. A. summa cum laude en matemáticas y ciencias de la computación. Luego, en la Universidad de Princeton desde 1998 a 2003, obtuvó el grado de Ph. D. en matemáticas, para lo cual contó con la asesoría de Henryk Iwaniec. Posteriormente, fue admitido en el Centre National de la Recherche Scientifique en Francia, donde actualmente, desarrolla tareas de investigación, desde el año 2010.

Distinciones:

  • En 2008 recibió el Premio Philip Leverhulme por su trabajo en teoría de números, geometría diofántica y teoría de grupos.
  • En junio de 2009 recibió el Premio Whitehead de la Sociedad Matemática de Londres por sus contribuciones a la teoría de números.
  • En febrero de 2011 recibió junto con Tom Sanders el Premio Adams
  • En agosto de 2013 fue reconocido como “Profesor honorario” de la Universidad Nacional Mayor de San Marcos, alma mater de sus padres y universidad donde comenzó a interesarse por las matemáticas, en mérito a sus logros y a su regular contribución a la universidad a través del dictado de conferencias y seminarios.
  • En febrero de 2016 recibió el Doctorado Honoris Causa por la Universidad Nacional de Córdoba.

En este vídeo vemos a Harald explicando y es ¡¡ fabuloso !!

Compilación de Ricardo Cuya-Vera

Nobel-quimica-2020

Charpentier & Doudna Nobel de Química 2020

La francesa Emmanuelle Charpentier y la estadounidense Jennifer Doudna desarrollaron “un método para la edición de genes” que ayuda a combatir el cáncer. Son la sexta y séptima mujer que ganan el premio desde 1901.

Charpentier y Doudna - Nobel de química del 2020. INvetaron la edicicón genética CRISPR/CAS9
Nobel de Química del 2020 para Emmanuelle Charpentier   
11 de diciembre de 1968, Juvisy-sur-Orge, Francia
Estudió en la Universidad Pierre y Marie Curie (1995)
y Jennifer A. Doudna.
19 de febrero de 1964, Washington D. C., Estados Unidos
Estudió en la Escuela de Medicina Harvard (1989)

El Premio Nobel de Química galardonó (07.10.2020) a dos mujeres genetistas, la francesa Emmanuelle Charpentier y la estadounidense Jennifer Doudna, por sus investigaciones sobre las “tijeras moleculares“, capaces de modificar los genes humanos, un descubrimiento “revolucionario”.

El galardón quiere recompensar “el desarrollo de un método de edición de genes” que “contribuye a desarrollar nuevas terapias contra el cáncer y puede hacer realidad el sueño de curar enfermedades hereditarias”, subrayó el jurado en Estocolmo.

Charpentier, de 51 años, y Doudna, de 56, se convierten así en la sexta y séptima mujer que ganan un Nobel de Química desde 1901.

En junio de 2012, las dos genetistas y su equipo describieron en la revista Science una nueva herramienta con la que se podía simplificar el genoma. El mecanismo se llama Crispr/Cas9 y es conocido como “tijeras moleculares”.

Rafael Yuste

Proyecto Brain * Rafael Yuste

Este proyecto que empieza el 2013, es equivalente al proyecto del genoma humano.

El neurobiólogo español Rafael Yuste, investigador y catedrático de la Universidad de Columbia, detalla los orígenes, desarrollo y perspectivas futuras del proyecto BRAIN, del cual forma parte y que, financiado por el Congreso de los Estados Unidos, tiene como objetivo registrar la actividad del cerebro humano. Destaca de esta investigación que aúna ciencia y tecnología su aplicación para detectar las causas de numerosas enfermedades.

El Proyecto Cerebro Humano (HBP por sus siglas en inglés) es un proyecto medico-científico y tecnológico financiado por la Unión Europea y dirigido por Henry Makram, que tiene como fin reproducir tecnológicamente las características del cerebro humano, y de esta forma conseguir avances en el campo de la medicina y la neurociencia. Para que este proyecto pueda desarrollarse es necesaria la investigación en nuevas TIC, o tecnologías de supercomputación avanzadas que permitan asociar y utilizar la información integrada en modelos informáticos y simulaciones del cerebro que identifiquen patrones, principios organizativos y posibles carencias que puedan ser subsanadas con nuevos experimentos. A su vez para este fin, se han desarrollado distintas plataformas:

Plataforma Neuroinformática: reunirá datos y conocimiento de neurocientíficos de todo el mundo, poniéndolos a disposición de la comunidad científica.

Plataforma de Simulación del Cerebro: integrará esta información en modelos informáticos unificados, haciendo posible identificar los datos que faltan y permitiendo experimentos in silico, imposibles de realizar en el laboratorio.

Plataforma de Computación de Alto Rendimiento: suministrará la tecnología de supercomputación interactiva que los neurocientíficos necesitan para el modelado y simulación de datos.

Plataforma de Informática Médica: integrará datos clínicos de todo el mundo, aportando a los investigadores nuevas herramientas matemáticas para buscar las signaturas biológicas de las enfermedades.

Plataforma de Computación Neuromórfica: transformará los modelos del cerebro en una nueva clase de dispositivos “hardware” testando sus aplicaciones.

Plataforma de Neuro robótica: permitirá a los investigadores en neurociencia y en la industria experimentar con robots virtuales controlados por modelos cerebrales desarrollados en el proyecto.

Las claves educativas en la era de la inteligencia artificial

En este vídeo, el experto en inteligencia artificial Kai-Fu Lee analiza el impacto que las nuevas tecnologías tendrán en el mercado laboral y en la vida de las generaciones futuras. Lee explica, además, algunos conceptos básicos sobre IA y propone un cambio educativo que prepare a los niños de hoy para el futuro. “Ahora, lo importante en una empresa es el trabajo en equipo, la colaboración y la comunicación. Eso es lo que necesitamos enseñar”, sostiene.

Nobel de Química 2019 para los inventores de la batería de ion-litio

La  Real Academia de las Ciencias de Suecia ha concedido el Premio Nobel de Química de 2019 al estadounidense John B. Goodenough, al británico Stanley Whittingham y al japonés Akira Yoshino por desarrollar la batería de iones de litio.

Nobel de Química 2019

“Esta ligera, recargable y potente batería se utiliza en la actualidad en todas partes, desde los teléfonos móviles a los ordenadores portátiles y los vehículos eléctricos. También puede almacenar cantidades significativas de energía solar y eólica, haciendo posible una sociedad libre de combustibles fósiles”, menciona en un comunicado. Los tres ganadores se repartirán el premio, dotado con 825.000 euros, a partes iguales.

Las bases de la batería de iones de litio se sentaron durante la crisis del petróleo de la década de 1970, destaca la Real Academia. Stanley Whittingham, un investigador de la Universidad Estatal de Nueva York nacido en 1941, comenzó a trabajar en el desarrollo de métodos que pudieran conducir a tecnologías energéticas libres de combustibles fósiles. Sus investigaciones con materiales superconductores culminaron pronto en una batería de litio con un cátodo de disulfuro de titanio y un ánodo de litio metálico. “El resultado fue una batería que tenía un gran potencial, un poco más de dos voltios. Sin embargo, el litio metálico es reactivo y la batería era demasiado explosiva como para ser viable”, explica la institución sueca.

El problema lo tomó John Goodenough, un físico nacido en Jena (Alemania) en 1922, pero nacionalizado estadounidense. Goodenough, de la Universidad de Texas, predijo que el cátodo tendría un mayor potencial si estuviera hecho con un óxido metálico en lugar de un sulfuro metálico. Tras probar diversos materiales, en 1980 demostró que el óxido de cobalto con iones de litio intercalados producía hasta cuatro voltios. “Este fue un avance importante que conduciría a baterías mucho más potentes”, narra la Real Academia.

Introduciendo mejoras en el trabajo de Goodenough, Akira Yoshino (Suita, 1948), de la empresa japonesa Asahi Kasei, creó la primera batería de iones de litio viable comercialmente. “El resultado fue una batería ligera y resistente que podía cargarse cientos de veces antes de que su rendimiento se redujera. La ventaja de las baterías de iones de litio es que no se basan en reacciones químicas que descomponen los electrodos, sino en iones de litio que fluyen de un lado a otro entre el ánodo y el cátodo”, detalla la institución sueca. “Simplemente olfateé la dirección hacia la que se movían las tendencias. Se podría decir que tuve un buen olfato”, ha bromeado Yoshino

“Las baterías de iones de litio han revolucionado nuestras vidas desde que llegaron al mercado en 1991. Han sentado las bases de una sociedad inalámbrica, libre de combustibles fósiles, y son de gran beneficio para la humanidad”, aplaude el comunicado. El trabajo de Whittingham, Goodenough y Yoshino sirvió para cambiar el comportamiento de la humanidad, desde la manera de comunicarse a la forma de trabajar, escuchar música o transportarse.

Un año más, todos los premios Nobel de ciencias han sido para hombres. Desde 1901, solo cinco mujeres han ganado el Nobel de Química, el 2,7% de los 184 galardonados. Este año, sonaba en las quinielas la estadounidense Carolyn Bertozzi, de la Universidad de Stanford, por desarrollar técnicas para visualizar procesos en el interior de las células, una metodología conocida como química bioortogonal que ha permitido entender mejor enfermedades como el cáncer.

La apuestas de la sociedad científica internacional Sigma Xi también incluían a Jennifer Doudna, investigadora de la Universidad de California, en Berkeley, y madre de la revolucionaria técnica de edición genética CRISPR junto a la bioquímica francesa Emmanuelle Charpentier, ahora en el Instituto Max Planck en Berlín. Ambas se apoyaron en los pioneros trabajos del microbiólogo español Francis Mojica, cuyo laboratorio en la Universidad de Alicante descubrió en 2003 un sistema de tijeras moleculares que las bacterias utilizan para defenderse de los virus. Esas mismas tijeras sirven ahora para editar el genoma de cualquier ser vivo con rapidez, facilidad y de manera muy barata.

Proyectos DARPA

Proyectos de DARPA que cambiarán el mundo

La Agencia de Proyectos de Investigación Avanzados de Defensa, más conocida por su acrónimo DARPA, proveniente de su nombre original en inglés Defense Advanced Research Projects Agency, es una agencia del Departamento de Defensa de Estados Unidos responsable del desarrollo de nuevas tecnologías para uso militar. Fue creada en 1958 como consecuencia tecnológica de la llamada Guerra Fría y de la que surgieron los fundamentos de ARPANET, red que dio origen a Internet.

Segunda parte

Pedro Paulet

Un buen tema para empezar este sitio dedicado a la innovación es la referencia a Paulet, inventor, famoso en Perú, pero poco conocido en el mundo, excepto en sectores de ciencia avanzada.

Pedro Paulet Mostajo (Arequipa, Perú, 2 de julio de 1874 – Buenos Aires, Argentina, 30 de enero de 1945), egresado con medalla de oro de La Sorbona, polifacético (arquitecto, ingeniero, mecánico, químico, economista, geógrafo, escultor, diplomático, escritor, periodista, conferencista e inventor visionario) desde siempre.

Sus inventos lo catalogan como el padre de la astronáutica  ?

  • Inventa el primer motor a reacción.

Lo primero que hay que referir es que su proyecto inicial es
CREAR UNA NAVE ESPACIAL

Note que Paulet está soñando esto en 1894.

  • Formula, inventa un combustible líquido (1896), explosivo que en condiciones controladas le permitirá avanzar a su nave. Diseña el motor de combustible líquido.
  • Es SU NAVE, porque él diseña (1895) una nave e inventa el ALA DELTA, posteriormente usado por la aeronáutica y la astronáutica.

161117-pedro-paulet-mostajo

Si usted cree que al escribir este texto estoy exagerando. En 1974 la NASA imprime  estampillas del correo estadounidense con el sello de la “NASA” al cumplirse 100 años del natalicio del sabio Paulet. Un homenaje así es la patente de Paulet.

Fue el propio director de la NASA y líder del primer vuelo tripulado a la Luna, el científico alemán Wernher von Braun, que reconoce el esfuerzo del peruano Pedro Paulet. Ayudó al hombre en el abordaje la Luna. En el libro que von Braun escribe con Ordway – “Historia Mundial de la Astronáutica” – recuerda que Pedro Paulet, en París, entre 1895 y 1897 experimentó con su pequeño motor de dos kilos y medio de peso, logrando un centenar de kilogramos de fuerza, y agrega “por este hecho, Paulet debe ser considerado como el pionero del motor a propulsión con combustible líquido”.

Pedro Paulet también participó en la reconstrucción nacional del Perú. En honor al gran inventor Pedro Paulet Mostajo, el 2 de julio se celebra en el Perú el “Día de la Tecnología Aeroespacial”.

Texto de Ricardo Cuya Vera.

Bibliografía y fuentes:

  • NASA
  • El Comercio
  • von Braun & Ordway, “Historia Mundial de la Astronáutica”.