“Una mayor velocidad es importante para tratar el cáncer, y la tecnología de ARN puede hacer eso posible”

Vinod Balachandran, oncólogo

El investigador prueba en un ensayo un tipo de vacunas personalizadas contra el cáncer de páncreas, uno de los tumores con peor pronóstico

Antes de la llegada de las vacunas contra el coronavirus, la tecnología que controlaba el ARN mensajero ya se estaba empleando contra el cáncer. El ARN se sintetiza en el núcleo de las células, lee las instrucciones escritas en el ADN y lleva el mensaje a las fábricas del organismo para que produzcan todo tipo de sustancias esenciales para la vida. Esa molécula imprescindible se utiliza ahora para crear medicamentos que indican a la célula qué proteína producir, para proteger al cuerpo contra un virus o eliminar un tumor.

Vinod P. Balachandran (Siracusa, EE UU, 44 años), oncólogo del Memorial Sloan Kettering Cancer Center (MSKCC) de Nueva York, es uno de los investigadores que lleva casi una década trabajando para convertir las vacunas de mRNA (ARN mensajero) en un tratamiento útil para el cáncer. En una entrevista por videollamada, habla de los resultados, presentados recientemente, de un ensayo con 16 pacientes con cáncer de páncreas a los que, además de quimioterapia y un anticuerpo monoclonal, se dio una vacuna personalizada contra el tumor específico de cada paciente.

En 8 de los pacientes, la vacuna provocó una respuesta de los linfocitos T contra el cáncer y, después de tres años, seis de ellos se mantuvieron libres del tumor. De los ocho pacientes restantes en los que no hubo respuesta inmune, el cáncer regresó en siete de ellos. Ya hay en marcha una segunda fase de ensayos en los que se probará esta vacuna personalizada en unos 260 pacientes.

Pregunta. ¿Por qué eligió el cáncer de páncreas como uno de sus objetivos?

Respuesta. El cáncer de páncreas se va a convertir en la segunda causa de muerte por cáncer en EE UU en 2025, dentro de solo un año. Hay más muertes por cáncer de páncreas que por cáncer de mama, de colon, de próstata o de ovario y solo le supera el cáncer de pulmón. Y también es la principal causa de muerte por cáncer en el mundo.

Esto sucede en parte porque el tratamiento que utilizamos contra el cáncer de páncreas sigue siendo cirugía, quimioterapia y radiación. Estos tratamientos fueron desarrollados hace muchos años y no son muy efectivos. Necesitamos nuevos tratamientos urgentemente. Yo estaba muy motivado para contribuir a hacer algún progreso en esta enfermedad letal, ayudando a los pacientes a superarla.

P. Una parte de la idea para su enfoque terapéutico viene del estudio de ese 10% de pacientes a los que diagnostican cáncer y están vivos cinco años después. ¿Qué tienen de diferente?

R. Es una idea que tuvimos en 2015. Nos preguntamos justo eso. Sabemos que hay unos raros supervivientes del cáncer de páncreas, alrededor del 12% de los pacientes, que reciben el mismo tratamiento que otros pacientes, pero, extraordinariamente, sobreviven a largo plazo. Pensamos que estudiando en profundidad a estos pacientes y comprendiendo qué podría ser diferente en ellos, podríamos desarrollar terapias para convertir a otros pacientes en largos supervivientes.

En 2017, publicamos un artículo en Nature en el que mostramos que una de las diferencias llamativas era que sus tumores tenían, aproximadamente, una densidad doce veces superior de células T CD8, unas células muy especializadas que protegen al cuerpo de las infecciones y el cáncer. Eso sugiere que estos pacientes pueden tener un reconocimiento inmune espontáneo de su cáncer. Y además, pudimos identificar las células T idénticas que se encontraban en los tumores, persistiendo de forma espontánea en su sangre más de una década después, algo que apoya la idea de que quizá estos pacientes fuesen capaces de montar respuestas inmunes espontáneas contra su cáncer. Esto nos llevó a plantearnos si podríamos comprender qué es lo que los linfocitos T están identificando como extraño. Identificando lo que están viendo, podríamos desarrollar una estrategia para enseñar a otras células del sistema inmune de los pacientes a reconocer sus tumores de un modo parecido a lo que sucedía con los supervivientes a largo plazo.

Vimos que las células T de los pacientes estaban reconociendo las mutaciones concretas de ese paciente. Esto quería decir que para enseñar al sistema inmune de otros pacientes a reconocer sus cánceres para crear una vacuna, esta tenía que ser hecha individualmente para cada paciente. Y en aquel momento, pensamos que la mejor tecnología para hacer esto era el ARN, así que nos pusimos en contacto con colegas en Genentech y Biontech con una propuesta para utilizar la tecnología de sus vacunas de ARN para el cáncer y que probaríamos la tecnología con el cáncer de páncreas.

P. ¿Por qué la mitad de los pacientes no responde a este tratamiento?

R. La primera respuesta es que no estamos seguros. Sin embargo, una de las posibles explicaciones es la formulación de la vacuna que utilizamos en este ensayo clínico, que es intravenosa para que llegue al máximo a los nódulos linfáticos en todo el cuerpo. Este tipo de vacunas intravenosas, en contraste con las vacunas intramusculares, van al bazo y eso produce una respuesta inmune fuerte en el paciente. En el cáncer de páncreas, hay varias cirugías que incluimos dentro del tratamiento habitual y una de ellas es la extirpación del bazo. Entre los que no respondieron a nuestro tratamiento, había un número ligeramente superior a los que habían quitado el bazo antes de la vacunación. La cifra, no obstante, no era significativa estadísticamente, así que no podemos decir con seguridad que ese sea el motivo, pero nos parece que al menos esa puede ser una de las razones que influyan en que en algunos pacientes no funcione la vacuna.

P. ¿El coste y el tiempo para desarrollar la vacuna personal puede ser un problema para que se convierta en un tratamiento que llegue a muchos pacientes?

R. Una mayor velocidad es importante para tratar el cáncer y la tecnología de ARN puede hacer esto posible. Ahora estamos muy centrados en intentar entender cómo emplearíamos esta nueva tecnología de vacunas y otras para enseñar al sistema inmune de los pacientes a reconocer sus propios tumores. Queremos entender si sería una medicina efectiva.

P. ¿Qué expectativas tienen para la siguiente fase?

R. Tenemos que hacer un seguimiento del ensayo de fase uno, y hay un ensayo aleatorizado de fase dos abierto en Sloan Kettering y globalmente que está diseñado para poner a prueba la eficacia de la vacuna.

P. Empezaron a trabajar con esta tecnología en cáncer de páncreas en 2017. Desde entonces, la tecnología de mRNA se empleó en todo el mundo y en millones de personas en la vacuna de la COVID. ¿Esto ha servido para aprender algo que se pueda utilizar en las vacunas del cáncer?

R. Hay diferencias en las tecnologías específicas de ARN y en los tipos de administración empleado en las vacunas de la COVID y en las que utilizamos en las vacunas de cáncer. Dicho esto, el público se familiarizó con el concepto de usar una vacuna de ARN y con la percepción de seguridad, y eso favorece la idea de emplear estas tecnologías novedosas contra otras enfermedades que suponen un desafío, como el cáncer.

Así Se Crean ANTIBIÓTICOS con Inteligencia Artificial

 Así Se Crean ANTIBIÓTICOS con Inteligencia Artificial

El biotecnólogo César de la Fuente, uno de los 50 españoles más galardonados y considerado uno de los diez mejores del mundo, es pionero en el campo de la biología digital o machine biology, una tecnología que investiga la biología molecular a través de la inteligencia artificial para llegar a nuevos descubrimientos.

¡Así Se Crean ANTIBIÓTICOS con Inteligencia Artificial! (youtube.com)

Pionero en utilizar la Inteligencia Artificial para el descubrimiento de fármacos, César de la Fuente Núñez (A Coruña-1986) lleva a cabo sus investigaciones desde su laboratorio en la Universidad de Pensilvania, donde es catedrático de Biotecnología. Esta semana ingresó como miembro de número en la Real Academia de Farmacia de Galicia.

Ingresa como académico de número en la Real Academia de Farmacia de Galicia. Parece que es usted profeta en su tierra...

Es un honor, un privilegio, tener el reconocimiento de tu propia tierra. Realmente es un regalo muy especial poder estar aquí un par de días en Santiago, disfrutando de mi gente, de la comida gallega y de la mente gallega.

Sin embargo, desempeña su trabajo en Pensilvania. ¿Cómo hemos de llamarlo? ¿Fuga de talento?

No lo sé, la verdad. Yo llevo mucho tiempo fuera. Llevo ya fuera de Galicia 20 años porque hice la carrera en León. Luego fui a Vancouver, a Canadá a hacer el doctorado; después estuve en el MIT (Instituto de Tecnología de Massachusetts) haciendo el posdoctorado, y finalmente me reclutaron en la Universidad de Pensilvania, donde estoy ahora. Es una trayectoria que me ha permitido aprender un montón de cosas, crecer personalmente, científicamente. No sé si se puede llamar fuga de talento. Quizás, ya que me cultivé en España, hice la carrera en España. Quizás se pueda denominar así, pero yo estoy contento con mi trayectoria, contento de estar donde estoy ahora, en este caso fuera de España. No puedo contribuir directamente a la ciencia en España, aunque tengo colaboraciones aquí, en España y en Galicia.

Hay quien lo postula ya en el futuro para el Premio Nobel.

Eso son palabras mayores y no creo. Es algo impredecible. Yo lo único que quiero es hacer la mejor ciencia que podamos cada día con mi equipo e intentar hacer algo que pueda ayudar a mejorar el mundo

Los expertos nos advierten del problema de la resistencia a los antibióticos. ¿Qué se puede hacer?

Hace falta encontrar nuevos antibióticos. La previsión es que para el año 2050 van a morir 10 millones de personas al año en el mundo como consecuencia de infecciones causadas por superbacterias, que son resistentes a muchos de los antibióticos que tenemos hoy en día en los hospitales. Y una de las cosas que hay que hacer es acelerar el proceso de descubrir nuevos antibióticos. Esa es la gran motivación en mi laboratorio, donde estamos utilizando máquinas e inteligencia artificial. Ahora con las máquinas, con algoritmos que hemos desarrollado, en cuestión de horas, a lo largo del día, mientras te tomas una taza de café o mientras comes, el ordenador ya ha encontrado antibióticos que son prometedores. Es un proceso que se ha acelerado, porque si piensas en métodos tradicionales se tarda años en encontrar cosas nuevas, moléculas nuevas.

Es más fácil entonces descubrir un antibiótico con un ordenador?

Es mucho más rápido. Los algoritmos pueden buscar cosas de manera mucho más rápida y explorar información mucho más rápidamente que la mente humana. Incluso por la noche puedes dejar el algoritmo mientras tú estás durmiendo y, cuando te levantas por la mañana, el algoritmo ha terminado su exploración de los datos biológicos que le hemos dado y muestra el ranking de las mejores moléculas que pueden llegar a ser ser grandes antibióticos.

Y esto qué supone? ¿Únicamente la rapidez, que es un avance muy grande, o también sale más barato?

También más barato, porque como estás acelerando el proceso en cuanto a rapidez, eso a la vez conlleva una disminución de los costes. Porque con métodos tradicionales tú lo que tienes que hacer son prospecciones en la naturaleza, vas al océano... tomas muestras... y miras si hay alguna molécula antibiótica ahí. O vas a suelos, tomas muestras de suelo en varios sitios... Es un proceso de iteración que lleva muchísimo tiempo y es caro, porque tienes que extraer las moléculas de esas muestras de agua o de suelo por ejemplo. Ahora hacemos todo de manera digital, es un poco descubrir nuevos antibióticos de manera digital y eso permite acelerar todo el proceso.

Nos movemos por algoritmos, por códigos...

Cuando hablo de cosas digitales está todo en el ordenador, todo es un código, la biología es un código. Si lo piensas, el ADN, por ejemplo, en la biología, ADN, ARN mensajero y proteínas, son todos códigos. Igual que el código del alfabeto de las palabras que estoy diciendo ahora. En la biología, al final, son palabras, son códigos. Los algoritmos pueden muy fácilmente recorrer este código, explorarlo, y darnos moléculas que pueden ser útiles en un futuro.

Usted fue pionero en la utilización de Inteligencia Artificial para descubrir antibióticos, ¿hay mucha gente que sigue por ese camino?

Sí, cada vez más. Es un campo que está creciendo, el de utilizar inteligencia artificial y ordenadores para descubrir unos antibióticos. Cada vez hay más grupos a lo largo del mundo que se han unido a estos esfuerzos. Y sí, es un campo que está madurando, está creciendo, y ojalá pueda dar productos en un futuro, moléculas, medicamentos que puedan salvar vidas.

La financiación es el caballo de batalla de todos los investigadores. ¿De dónde tiene que venir, de los gobiernos, de las farmacéuticas?

Yo creo que una combinación. El problema es que las farmacéuticas digamos que se han echado un poco a un lado porque desarrollar nuevos antibióticos no es económicamente viable. No son medicamentos que se tomen de manera crónica por el paciente, que eso es lo que realmente da dinero a las farmacéuticas. Hoy en día depende de un par de grupos académicos, como el nuestro, en mi laboratorio, donde intentamos pensar un poquito fuera de lo normal en cómo podemos descubrir nuevos antibióticos, qué tipo de ideas se pueden tener que sean poco convencionales, que nos permitan descubrir realmente algo nuevo. Es preocupante, pero es la realidad.

Es esa la razón por la que usted está en Pensilvania y no en A Coruña o en Santiago?

No lo sé, la verdad. A mí me gusta estar en un sitio donde yo pueda desarrollar ideas de manera libre, donde haya posibilidad de financiación, aunque incluso para financiar un grupo académico es complicado porque la mayor parte de becas que pedimos no entran. Yo creo que nos dan quizás el 10% de las que pedimos. Sigue siendo muy duro también conseguir financiación también incluso para desarrollar ideas a nivel académico. Pero en Estados Unidos ahora mismo estoy contento, puedo hacer un poco lo que queremos como equipo, tengo un equipo de gente excepcional de la que puedo aprender y aprendo cada día, y, bueno, eso eso es lo que quiero ahora mismo

Resistiríamos otro covid?

Seguramente sí. La humanidad tiene una gran capacidad de resistencia y de supervivencia pero preferiría no encontrarme otro covid.

Se demostró que se puede encontrar una vacuna en muy pocos meses...

Sí, eso es una realidad ya. Con tecnología de ARN mensajero y otras tecnologías, ahora es muy rápido. Se pueden diseñar vacunas de manera muy rápida. Entonces tenemos armamento, estamos mejor preparados a nivel científico que cuando empezó el covid, pero no se lo desearé a nadie. Yo creo que fue un momento muy difícil para la humanidad, perdimos muchas vidas y espero que pasen muchos años antes de tener otra pandemia, pero es posible.

Los no expertos estamos acostumbrados ya a oír palabras como ARN mensajero, nanomedicinas... ¿A cuáles nos vamos a tener que acostumbrar a corto y medio plazo?

La inteligencia artificial ya está cambiando nuestro mundo y lo va a cambiar muchísimo más. Nuestra sociedad va a cambiar de manera sustancial en los próximos cinco o diez años como consecuencia de esta tecnología que va a disruptir prácticamente todo. Si lo miras a lo largo de la historia, la revolución industrial tuvo un efecto similar, se perdieron un montón de trabajos y se crearon muchos otros que nunca se habían imaginado antes. Creo que esta tecnología de ordenadores, de inteligencia artificial, de algoritmos, va a tener un efecto similar en nuestra sociedad. No va a ser un efecto automático, sino que va a llevar unos años, va a ser paulatino. Pero va cambiar el modo en que trabajamos, cómo nos relacionamos, cómo innovamos. Ya lo estamos percibiendo y eso va a continuar.

César de la Fuente, biotecnólogo: “Cuando tienes una idea innovadora, el ‘statu quo’ siempre la intenta echar abajo o la ignora” | Tecnología | EL PAÍS (elpais.com)

César De La Fuente - El Biotecnólogo que ha revolucionado el diseño de los antibióticos (youtube.com)

El gran sueño en el que trabaja el joven científico César de la Fuente: diseñar fármacos con ordenadores (abc.es)

Qué despertó tu gran interés por la ciencia?

Desde muy chico encontré mi pasión: innovar y explorar lo desconocido para intentar entender y mejorar el mundo. Esta pasión es la que me mueve cada día. Los niños y las niñas son los mejores científicos, continuamente preguntándose cómo funcionan las cosas. Es importante no perder esta curiosidad de la niñez. Todo lo que hago hoy junto a mi equipo es biotecnología e investigación dirigida por la curiosidad y las ganas de explorar las fronteras del conocimiento.

Fuiste la primera promoción de Biotecnología en la Universidad de León, ¿qué te llamó la atención de la carrera?

Me llamó de manera intensa la posibilidad de desarrollar tecnologías y herramientas para poder entender mejor el mundo biológico. La biotecnología ha avanzado a pasos agigantados desde que empecé la carrera.

Y tras la carrera decidiste emigrar…

Después dí el salto al charco hasta llegar a la University of British Columbia (Vancouver, Canadá) donde realicé mi doctorado en Microbiología e Inmunología. Quería entender los principios que forman la base de los sistemas biológicos para después poder reprogramarlos. Mi objetivo era entender, controlar, y digitalizar la biología.

Me centré en los organismos más simples (las bacterias) y en las moléculas que permiten que la vida ocurra tal y como la conocemos (las proteínas). Investigué cómo las bacterias operan y se hacen dañinas y comencé a construir diminutas proteínas llamadas péptidos para hacerles frente

¿En qué momento te interesaste por la computación?

Una vez que me dí cuenta de que los ordenadores iban a revolucionar la biología gracias a su capacidad de procesar muchísimos datos y me decidí por adentrarme en este campo, me ficharon en el MIT.

“Mi objetivo era entender, controlar, y digitalizar la biología“

Durante este período tuve la suerte de contar con una beca de la Fundación Ramón Areces y me centré en digitalizar un sistema biológico (pequeños péptidos antimicrobianos) y en el desarrollo de algoritmos para el descubrimiento de nuevos antibióticos.

Con los años, ¿ha ido evolucionando tu perspectiva profesional?

Absolutamente. Cada vez tengo más confianza de que será posible desarrollar medicamentos usando inteligencia artificial y herramientas computacionales. Esto es gracias a avances en el poder computacional, la disponibilidad de datos, y nuestro mayor entendimiento del mundo biológico. Para poner esto en perspectiva, el campo en el que trabajo (desarrollo de antibióticos mediante ordenadores) no existía hace tan solo 5 años. Todo está cambiando y evolucionando muy rápidamente. Es un momento único y animo a tod@s l@s jóvenes a que consideren la ciencia como vocación. Es el presente y el futuro de nuestra sociedad.

Cómo ha sido el viaje profesional hasta tu puesto actual?

Mi camino no siempre fue fácil. […] Cuando llegué a Canadá como inmigrante a hacer el doctorado tuve que aprender inglés, crecer como científico, y adaptarme a un mundo nuevo. Persistí y luché como pude hasta convertirme en un científico con la suerte de poder contribuir a nuestra sociedad al investigar un problema de magnitud global como la resistencia a los antibióticos.

Mi padre, que falleció en 2016, mi madre, y mi hermano, que tiene síndrome de Down, han sido mi inspiración durante muchos momentos. Ellos me enseñaron a cuestionar lo establecido, a ser curioso, a no dejar de soñar, a no rendirme nunca, a esforzarme, a no dar nada por sentado, y a vivir cada día como si fuese el último. Esos valores me han acompañado tanto en la vida personal como en la profesional.

Es difícil vivir fuera de tu país?

Ser un inmigrante también me ha aportado valores. Mudarse a un nuevo país, con idioma y cultura diferentes, implica un proceso de evolución intelectual. Esto me ha ayudado, creo yo, en la ciencia ya que innovar es emigrar intelectualmente.

Y también es importante indicar que en la ciencia la mayoría de los experimentos, del trabajo que realizamos día a día, no funciona. No sale como esperábamos. Es importante aprender de estos “fracasos” y no verlos como tal, sino que forman parte del proceso de aprendizaje, del proceso científico. El fracaso es parte del proceso de aprendizaje. Cada día, cada experimento, cada idea es un nuevo reto. Siempre les digo a los miembros de mi equipo que el talento es la capacidad de aprender.

El éxito no existe sin el fracaso. Siempre he aprendido más de los fracasos que de cualquier otro momento.

Y cómo llevas la distancia?

Como gallego, siento la morriña sin duda. Echo de menos a mi familia y amigos cada día. También la cultura y el estado de bienestar de mi país, entre otras cosas. Pero ahora estoy en esta aventura en Philadelphia y voy a intentar aprender y dar lo máximo posible. Nunca se sabe lo que deparará el futuro y eso hace que la vida sea más apasionante.

Entrevista | El biotecnólogo César de la Fuente (rtve.es)

Ejemplos de gamificación exitosos en crowdsourcing[

 

Ejemplos de gamificación exitosos en crowdsourcing[

La gamificación ha demostrado ser una herramienta efectiva para involucrar a los participantes y alentarlos a participar en diferentes tareas.En el contexto del crowdsourcing, la gamificación puede usarse para motivar a los contribuyentes, lo que resulta en un trabajo de mejor calidad, una mayor participación y una experiencia en general más agradable.En esta sección, exploraremos algunos ejemplos exitosos de gamificación en crowdsourcing, destacando las características clave que las hacen efectivas.

1. Foldit: Foldit es un juego que permite a los jugadores doblar las proteínas, lo que puede ayudar a los científicos a desarrollar nuevos medicamentos.El juego utiliza la gamificación para alentar a los jugadores a competir con otros jugadores y mejorar sus puntajes.Los jugadores también pueden colaborar con otros para resolver rompecabezas más complejos.El juego ha tenido éxito en la investigación científica de crowdsourcing, y los jugadores hacen contribuciones significativas al desarrollo de nuevas drogas.

2. Duolingo: Duolingo es una aplicación de aprendizaje de idiomas que utiliza la gamificación para motivar a los usuarios a aprender un nuevo idioma.La aplicación alienta a los usuarios a completar lecciones y pruebas otorgándoles puntos y moneda virtual.Los usuarios también pueden competir con amigos y otros usuarios para ver quién puede ganar la mayor cantidad de puntos.La aplicación ha tenido éxito en involucrar a los usuarios y ayudarlos a aprender nuevos idiomas.

3. Eterna: Eterna es un juego que permite a los jugadores diseñar moléculas de ARN, lo que puede ayudar a los científicos a desarrollar nuevas vacunas y terapias.El juego utiliza la gamificación para alentar a los jugadores a competir con otros jugadores y mejorar sus puntajes.Los jugadores también pueden colaborar con otros para resolver rompecabezas más complejos.El juego ha tenido éxito en la investigación científica de crowdsourcing, y los jugadores hacen contribuciones significativas al desarrollo de nuevas vacunas y terapias.

https://eternagame.org/puzzles/11098074/play 

About the Puzzle

Here at Eterna, we study RNA. RNA - also known as ribonucleic acid - is necessary for life as we know it. It serves as a messenger of information from our DNA, as a builder of proteins and enzymes, and as a regulator of gene expression to respond to signals and stresses. Because RNA is so important for life and so versatile, many scientists are studying it for both medical and non-medical applications. Even though RNA is so important for life, people have known very little about it until relatively recently - particularly the phenomenon of RNA folding. Yes, the building blocks of RNA are simple; there are only 4 nucleotide bases (adenine, guanine, uracil, and cytosine). But because of RNA folding, RNA can fold into a lot of interesting and complex shapes - sometimes very unexpected ones. And that's where you come in. By solving Puzzles, participating in Labs, and engaging with the Eterna Community, you can help us make truly groundbreaking scientific discoveries. Together. In this puzzle, we will introduce the user interface for Eterna puzzles. We will learn how to make nucleotide base changes in a given RNA strand - and thus make our very first RNA! (If you'd like a supplementary guide, check out A Gamer's Guide to Eterna!)

https://eternagame.org/puzzles/11098074

4. freerice: freerice es un sitio web que permite a los usuarios responder preguntas de trivia sobre una variedad de temas.Para cada respuesta correcta, el sitio web dona 10 granos de arroz al programa mundial de alimentos.El sitio web utiliza la gamificación para alentar a los usuarios a responder más preguntas, con los usuarios que ganan puntos para cada respuesta correcta.El sitio web ha tenido éxito en involucrar a los usuarios y crear conciencia sobre el hambre mundial.

La gamificación puede ser una herramienta poderosa en el crowdsourcing, motivando a los participantes a contribuir y participar más plenamente en las tareas en cuestión.Ejemplos exitosos como Foldit, Duolingo, Eterna y Freerice demuestran que la gamificación puede usarse en una amplia gama de contextos para lograr una variedad de objetivos.Al incorporar la gamificación en sus proyectos de crowdsourcing, puede crear una experiencia más agradable y gratificante para sus contribuyentes, lo que resulta en un trabajo de mejor calidad y una mayor participación.

 

Eterna: Aprende a diseñar moléculas de ARN para la investigación resolviendo rompecabezas

Aprende a diseñar moléculas de ARN para la investigación resolviendo rompecabezas

Eterna es un juego que permite a los jugadores diseñar moléculas de ARN, lo que puede ayudar a los científicos a desarrollar nuevas vacunas y terapias.El juego utiliza la gamificación para alentar a los jugadores a competir con otros jugadores y mejorar sus puntajes.Los jugadores también pueden colaborar con otros para resolver rompecabezas más complejos.El juego ha tenido éxito en la investigación científica de crowdsourcing, y los jugadores hacen contribuciones significativas al desarrollo de nuevas vacunas y terapias.

https://eternagame.org/puzzles/11098074/play 

La comunidad ‘gamer’ lidera un estudio sobre moléculas claves para la vida

Un grupo de usuarios del juego de internet Eterna ha logrado diseñar modelos para la estructura de las moléculas de ARN que superan a los creados por los grandes supercomputadores. Comprender cómo se pliegan estas biomoléculas es fundamental para el desarrollo de nuevos antibióticos, vacunas y tratamientos de enfermedades como el cáncer y trastornos neurológicos.

Un artículo científico escrito por videojugadores, en colaboración con bioquímicos de la Universidad de Stanford (California, EEUU), se ha publicado esta semana en la revista revisada por pares Journal of Molecular Biology.

En el documento se describe un nuevo conjunto de reglas obtenidas de forma intuitiva por una comunidad de jugadores de Eterna, un juego on line que desafía a los participantes a diseñar secuencias químicas de ácido ribonucleico (ARN) que se plieguen de manera estable y en las formas deseadas.

El juego 'on line' Eterna desafía a los participantes a diseñar secuencias químicas de ARN que se plieguen de manera estable

El ARN es la base de prácticamente todos los procesos críticos en biología y se usa cada vez más como una herramienta de gran potencial médico y farmacológico. Las moléculas de ARN comienzan su existencia como una cadena lineal de subunidades, pero se pliegan rápidamente en una forma termodinámicamente estable. Esa forma final determina con qué componentes de las células interactuará y cuál será su función.

Los científicos se han volcado en mejorar los modelos computacionales de diseño del ARN. Estas simulaciones plantean la promesa de una nueva generación de terapias a medida destinadas a tratar enfermedades neurológicas, cánceres y dolencias congénitas, y el desarrollo de nuevos antibióticos y vacunas.

Según señala Rhiju Das, bioquímico en la Universidad de Stanford y autor principal del estudio, “las moléculas de ARN proporcionan una especie de ‘sistema operativo’ para las células y los virus, por lo que debemos entender su comportamiento si queremos controlar el cáncer, las infecciones virales y otras enfermedades con precisión molecular".

En el arranque del trabajo que ahora se presenta, tres jugadores experimentados de Eterna compartieron sus experiencias en documentos de Google y luego contactaron con el equipo de Das para que probara de forma independiente sus ideas usando superordenadores de alto rendimiento.

Das y Adrien Treuille, profesor de Ciencias Computacionales de la Universidad Carnegie-Mellon, fueron los creadores de este juego en 2011. En la actualidad, cuenta con más de 100.000 jugadores registrados en todo el mundo, la gran mayoría sin conocimientos de bioquímica, que han descubierto características de las moléculas de ARN que hacen que puedan doblarse de manera fácil o difícil.

Para entender qué factores pueden influir en la forma del ARN, los jugadores resolvieron puzles de plegado de moléculas. Los más experimentados clasificaron las formas según su dificultad para guiar a los nuevos participantes desde los plegados más fáciles a los más complicados.

Después, recopilaron una lista de las formas de ARN más difíciles de crear y pidieron a los científicos del laboratorio de Das que comprobaran la fiabilidad de sus diseños.

Los jugadores resolvieron puzles de plegado de moléculas de ARN y batieron a los superordenadores en las secuencias más complejas

Jugadores de videojuegos contra algoritmos

Los investigadores de la Universidad de Stanford utilizaron superordenadores para poner a prueba las predicciones de los jugadores contra una media docena de algoritmos desarrollados para suministrar secuencias de ARN plegadas en formas específicas.

Los jugadores Eterna resolvieron la mayoría de los puzles de plegado de moléculas de ARN y clasificaron la dificultad de diferentes diseños de manera tan eficaz como los superordenadores, según Das. Sin embargo, en los puzles más fastidiosos los participantes salieron más airosos que las máquinas, que se quedaban estancadas y tenían que dedicar varios días de tiempo de cálculo a la búsqueda de una solución.

Casi todos los jugadores que ayudaron al autor en el estudio sobre el plegado del ARN son autodidactas y tienen una formación educativa diversa, pero Das no duda en calificarlos de ‘ciudadanos científicos’.

Aunque la mayoría de estos gamers no tienen una formación científica, pueden tener habilidades lógicas –por ejemplo, de manipulación espacial– que los hacen valiosos. "Hay un gran potencial en los juegos distribuidos, ejecutados por un gran número de personas de todo el mundo, como fórmula para ayudar al proceso de descubrimiento científico”, dicen los investigadores.

Fuente: SINC

https://www.agenciasinc.es/Noticias/La-comunidad-gamer-lidera-un-estudio-sobre-moleculas-claves-para-la-vida 

https://fastercapital.com/es/palabra-clave/contribuciones-significativas.html

 

Evolutionary biology with the Azoarcus ribozyme-Eterna is an open science platform

 

Evolutionary biology with the Azoarcus ribozyme

Today marks an exciting milestone in Eterna's progress: We are launching our first international collaboration! French researchers have been studying a ribozyme capable of reproducing itself, and they are curious how many variations of the sequence are also capable of self-reproduction. Finding a large number of diverse sequences could be a clue towards unraveling the mystery of how life began on our little planet. The Azoarcus ribozyme is a bit unique for us because the starting sequence already folds into the target structure in real life. The goal is to make 10-60 mutations to the sequence while maintaining the 2D and 3D structure. A 3D model is provided to allow visualization of potentially important 3D contacts, such as the two hairpin loops that dock with internal loops. The Monday, May 20 town hall will discuss the new lab project and update players on the status of the OpenKnot rounds. The time has been moved forward to 10am PT to encourage participation by European players. Start time is 10am Pacific/Noon Central/1pm Eastern/5pm Coordinated Universal Time. No registration needed. Simply click on the Zoom link to join. Also want to let everyone know I will be going to the RNA Society meeting May 28-June 2 to host an exhibit about Eterna's education tools and to answer researcher questions about collaborating with citizen science. DigitalEmbrace - Jill

 

https://wiki.eternagame.org/wiki/Main_Page 

https://eternagame.org/about 

https://eternagame.org/

https://docs.google.com/document/d/1qWW0SU42KNcRBv6xiklODl_5w1VYIovioS6KeWpFGH0/edit?pli=1#heading=h.kwp8bt8rr8ko 

https://www.youtube.com/watch?v=Iq57MTprHV0&embeds_referring_euri=https%3A%2F%2Feternagame.org%2F&source_ve_path=Mjg2NjY&feature=emb_logo

Eterna is an open science platform leading to fundamental advances in RNA biomedical research.

Eterna has created current state-of-the-art technologies to aid in complex RNA design, which are now available for licensing

Gameplay Resources

• Puzzle Walkthroughs
• Player-Created Guides
• Tips and Tricks
• Puzzle Maker
• Lab - An overview of the Eterna lab process
• Educational resources

 

Technical Resources

• Script Documentation
• Website API Documentation
• Tutorial Script Guide
• Github

General

Name	Author	Description
Comprehensive guide to EteRNA	Eli Fisker, Brourd, Starry	Guide to the guides. An introduction to the game resources and how to get well started.
EteRNA Dictionary	Eli Fisker	A large document listing all the terms used in the other guides with pictures.
EteRNA Toolbox	Eli Fisker	A list of keyboard shortcuts.
A Gamer’s Guide to Eterna	rna-key	Eterna game mechanics, basic game play, tactics and scenarios, and a path to mastering the game. Appendices on science and art. Published in 2020.

 

Puzzle-solving Guides (single state puzzles)

Name	Author	Description
Loops guide	mpb21	The first guide on stabilizing loops.
Vienna vs Eternafold	JPS838898	A guide for Vienna vs. EternaFold
General strategies	Multiple players	Players sharing general puzzle solving strategies in the forum.
Puzzle Solving Guide  (Addition)	Eli Fisker	A great introduction for players learning how to solve puzzles.
Loop Guide	Eli Fisker	Useful tricks for solving tricky loops.
Multiloop Guide	Eli Fisker	A visual overview of how energy in multiloops can be lowered.
Tips and Tricks	Eli Fisker	A compilation of useful tricks for solving unusual shapes.
Stack Guide	dimension9	A table of nearest-neighbor energy terms for stacks.
Hairpin Guide	mat747	A picture of successful hairpin sequences in mat747's lab designs.
Boost guide  (New slide show version)	Brourd	A fine guide on how to stabilize loops.
Advanced Puzzle Solving Guide	Drake	A guide to puzzle solving that goes at puzzle solving from an energy perspective.
Puzzle solving guide	Brourd	A fundamental guide that will show you the basics of puzzle solving.
Beginner's to Puzzle Solving	Brourd	A fundamental guide that will show you the basics of puzzle solving.
Challenge Puzzles Quick Solve Guide	Jennifer Pearl	A visual guide showing good and bad puzzle solving style beside each other.

 

Puzzle-solving Guides (switches)

Switch Puzzle Guide	Eli Fisker	Collection of switch puzzle guides, walkthroughs and solving methods.
Switch Training Series	Nando	Fantastic walkthrough giving the reasoning behind solving switches.
How to solve a switch	JR	Great walkthrough on how to solve a switch puzzle.
Hand and Finger Walkthrough	Meechl	Visual walhthrough on how to solve a switch puzzle and get ready for lab.
A TRIPLE SWITCH WALKTHROUGH for EteRNAddicts everywhere	Jieux	Awesome guide for dealing with 3 state switch puzzles.

 

Lab Guides

Name	Author	Description
Lab Guide	Eli Fisker	Strategies for making successful designs in lab.
Lab Guide for new players	Eli Fisker	More strategies for making successful designs in lab.
Lab Guide	mpb21	Strategies for making successful designs in lab.
A guide to using Vienna RNA fold	Eli Fisker	A guide to using Vienna - for assessing potential Lab designs.
GC Pairs in Lab	ccccc	Why you don't want to make Christmas trees in lab.
Mat's lab design strategy	Mat747	Strategies for good lab designing.
Quick guide to the lab	Eli Fisker	Quick introduction to the lab tools.
Ways to deal with voting in huge labs [1] [2]	Eli Fisker	Lab voting methods.
Ways to deal with designing in huge labs	Eli Fisker	Methods for improved lab designing.
Switch Lab Guide	Eli Fisker	Collection of info on switches and advice for the switch lab designing.
General lab info and lab tech details	Eli Fisker	Collection of info from chat, forum, devs etc. relevant to labs and lab designing.
CSE using LabDataMiner for Lab "Late Bulge"	JandersonLee	A demonstration of how to use the LabDataMiner for lab designing.
CSE for Reversed G-C Multibranch Loop Closing Base Pairs	JandersonLee	A demonstration of how to use the LabDataMiner for lab designing in designs with multiloops.
Reading the lab results - Intro to SHAPE data	Eli Fisker	Intro on how to read lab results and SHAPE data.
Lab Manual - The Eterna History Tour	Eli Fisker	Learn how to do lab work. This lab guide is connected to the ongoing lab project for lab introduction.
MS2 - Thoughts about the lab data	Eli Fisker	Mixture of analysis, chat discussions on the lab and highlighting areas of interest for designing and analysis.
Different types of switches	Eli Fisker	Boiled down Switch lab Guide. Intro to switch tendencies and what has worked for them so far.
Switch Lab Intro	Eli Fisker	Quick intro to main tendencies for working lab switches.
MS2 Lab Intro	Eli Fisker	Introduction on how to start solving a switch lab puzzle in an MS2 lab.
MicroRNA Intro [3]	Eli Fisker	Introduction to microRNA, Eterna Medicine and the Feynman challenge.
Doing Math with RNA	Eli Fisker	Simple approach for doing math with RNA.
A Tutorial for A/B Ramp-up puzzles	Omei, Eli Fisker	Introduction to puzzles and lab for the A/B switch labs.
Logic Gates	Eli Fisker	Pointers for the logic gates lab.
A*B/C^2 neutral Design for both DEC and INC TB puzzles	AndrewKae	Tips for designing for the hard TB A*B/C^2 DEC and INC puzzles.

 

Genes de mosca y genes humanos: una comparación'

 Genes de mosca y genes humanos: una comparación'.

El desarrollo de la Genética durante el siglo XX ha sido el motor principal de la actual revolución biológica, que está llamada a tener un enorme impacto social. Un organismo fundamental en el progreso de la Genética ha sido y continúa siendo la mosca del vinagre Drosophila melanogaster. Durante más de 100 años miles de científicos en todo el mundo han usado Drosophila para investigar muchos procesos biológicos y han desarrollado tecnologías genéticas extraordinariamente sofisticadas que permiten realizar en esta mosca experimentos imposibles en otras especies. Junto a esto, uno de los descubrimientos más importantes de la biología del siglo XX ha sido la demostración de que todos los animales comparten una gran cantidad de genes. Por ejemplo, los humanos y las moscas tenemos un 65% de genes en común y aproximadamente el 70% de los genes responsables de diversas patologías humanas están presentes en Drosophila. Estos hallazgos tienen implicaciones muy importantes, ya que la base genética de muchos aspectos de la Biología y Enfermedad humana puede ser analizada en primera instancia y con gran detalle en Drosophila. En esta charla se comentan algunos de los desarrollos más significativos realizados en Drosophila y cómo estos experimentos han permitido descifrar el diseño genético de la estructura tridimensional del cuerpo animal o los mecanismos que generan tumorogénesis o patologías neurodegenerativas en humanos.

Ginés Morata- 'Genes de mosca y genes humanos: una comparación' - YouTube

 

Una inteligencia artificial predice la interacción entre todas las moléculas de la vida

La empresa que controla Google crea una farmacéutica para descubrir nuevos medicamentos en la mitad de tiempo

Reconstrucción de Alphafold 3 de la proteína de la espícula del resfriado común, en azul, con los anticuerpos (azul oscuro) y los azúcares (amarillo). En gris, la estructura real.Deepmind

Nuño Domínguez

08 may 2024 - 17:00 CEST

0

Demis Hassabis, hijo de un grecochipriota y una singapurense criado en Londres, es un prodigio del ajedrez. Comenzó a jugar a los cuatro años y a los 13 ya era un maestro. Estudió informática, se doctoró en neurociencia y fundó Deepmind, que actualmente es el puntal de inteligencia artificial, o IA, de la empresa propietaria de Google. Hace unos días, Hassabis, de 47 años, recordaba en una entrevista el día en que fue totalmente consciente de la potencia imparable de esta tecnología. Una mañana de 2018, mientras se tomaba un café, le echó una partida a AlphaZero, la IA de ajedrez que había creado. Pudo ganarla sin muchos problemas. En unas horas, el programa, que se ensañaba a sí mismo jugando cientos de miles de partidas, ya estuvo a punto de vencerle. Por la noche ya era “el mejor jugador de ajedrez que jamás haya existido”. Todo en apenas nueve horas. “Fue asombroso verlo en directo. Era inevitable preguntarse ¿qué podrá hacer este sistema en ciencia o cualquier otro problema complejo?”, explica.

El tiempo de los juegos ha terminado. Desde 2020, Alphafold, la inteligencia artificial ideada por Hassabis ha superado a cualquier humano en problemas endiablados de biología y determinado la estructura tridimensional de 200 millones de proteínas, prácticamente todas las que se conocen. Resolver la forma de una sola proteína puede llevar varios años de dedicación de un estudiante de doctorado, por lo que la IA habría ahorrado de golpe unos mil millones de años de trabajo.

El empresario ofreció ayer una rueda de prensa para presentar su nueva creación: Alphafold 3. Por primera vez, una IA puede predecir la interacción entre proteínas y el resto de moléculas esenciales de la vida: ADN y ARN, moléculas pequeñas —medicamentos— y anticuerpos, las proteínas diminutas del sistema inmune especializadas en luchar contra virus, bacterias, incluso tumores. “La biología es un sistema dinámico y sus propiedades emergen precisamente de interacciones entre las diferentes moléculas que componen la célula. Alphafold 3 es nuestro primer gran paso para entenderlas”, explicó Hassabis. Los detalles de este nuevo sistema de IA se publican hoy en Nature, referente de la mejor ciencia mundial. La compañía de Google abrirá además un servidor gratuito para que los científicos puedan usar esta nueva herramienta.

El neurocientífico británico Demis Hassabis, fundador de DeepMind.DeepMind

La derivada más evidente del nuevo sistema es su potencial para descubrir nuevos fármacos, un campo que a partir de ahora explorará, esta vez en el ámbito privado, Laboratorios Isomorphic, una filial de Alphabet (propietaria de Google) liderada por Hassabis. Con la ayuda de Alphafold 3 y desarrollos adicionales propios, el sabio de Google espera reducir a la mitad el tiempo que se tarda en descubrir un medicamento antes de comenzar los ensayos en pacientes, de los cinco años actuales a apenas dos, según explicó a Financial Times. La compañía ya ha firmado dos contratos de colaboración con las multinacionales Lilly y Novartis, que han aportado de entrada decenas de millones de dólares y prometen varios miles de millones más cuando haya resultados.

El químico estadounidense John Jumper, director de Deepmind, aseguró ayer que el nuevo sistema es muy superior a sus rivales. Alphafold 3 predice con éxito el 76% de casos de interacción entre proteínas y moléculas pequeñas, frente al 52% de la siguiente mejor herramienta, señaló. En la unión de proteínas al ADN o su interacción con anticuerpos duplica la capacidad de los métodos convencionales. La nueva IA permite un nuevo nivel de predicción sobre lo que sucede dentro de las células y qué se tuerce cuando hay daño en el ADN. “Esto tiene implicaciones para entender el cáncer y desarrollar nuevas terapias”, resaltó Jumper, pero también para entender la respuesta de las plantas a patógenos y olas de calor, esencial para garantizar la seguridad alimentaria.

El nivel de complejidad a explorar por este nuevo sistema es “absolutamente descomunal”, en palabras de Max Jaderberg, jefe de IA de Laboratorios Isomorphic. Solo en lo que respecta a moléculas pequeñas, las más interesantes en farmacología, hay unas 10 a la sexagésima potencia, muchas veces más que estrellas en todo el universo.

Frente a este Goliat de la IA, el bioquímico estadounidense David Baker hace honor a su nombre. El investigador lidera una iniciativa pública y completamente abierta para crear inteligencias artificiales capaces de predecir procesos bioquímicos e inventar nuevos compuestos con propiedades específicas.

Hace dos meses, sin que tuviese impacto mediático, Baker publicó en Science su nueva IA, que reconstruye moléculas átomo a átomo, predice su unión al ADN, y diseña compuestos nuevos que no existían en la naturaleza. “Los creadores de Alphafold 3 dicen que tiene más precisión que nuestro sistema”, explica Baker en un correo electrónico. “Creo que tendrá un gran impacto, aunque no consiguen diseñar nuevas proteínas”, añade.

El investigador de la Universidad de Washington (Estados Unidos) resalta otra importante diferencia. “Deepmind no publica el código [de su IA], lo que difiere de la práctica habitual en ciencia”, resalta. Conocer el código base de una IA permite que la comunidad pueda modificarla y darle nuevas capacidades, mientras que un servidor solo permite usarla dentro de los límites fijados por su creador.

Al igual que otros sistemas de IA como ChatGPT, Alphafold tiene alucinaciones, —se inventa algunos resultados— sobre todo cuando describe cosas de las que no hay información en las grandes bases de datos con las que se entrena.

Una proteína humana puede ser un auténtico monstruo microscópico con decenas de miles de aminoácidos —sus ladrillos básicos— que se doblan sobre sí mismos para formar anzuelos, tirabuzones, pinzas y otras partes móviles que cambian de posición cuando una proteína se une a otra molécula. La nueva IA alucina sobre todo al describir las “zonas desordenadas” de las proteínas, regiones sin una forma tridimensional fija, que son esenciales para entender estas interacciones. “Son como la materia oscura de las proteínas”, resume Mafalda Dias, investigadora del Centro de Regulación Genómica, en Barcelona, comparando estas regiones con el ingrediente desconocido que compone el 25% del universo. “El modelo se ha entrenado con estructuras tridimensionales estáticas, pero como la biología es dinámica, el resultado que propone puede ser muy diferente a la realidad. Los creadores de Alphafold han sido muy francos respecto a estas y otras limitaciones”, destaca la científica portuguesa.

El biólogo Rafael Fernández Leiro, que ha dedicado su vida académica y profesional al estudio de la biología estructural a través de la cristalografía y la microscopía electrónica, pone un ejemplo para entender el potencial de descubrimiento de Alphafold 3. “Dentro de las células hay un cóctel complejísimo de proteínas, ácidos nucleicos, lípidos, proteínas especializadas como las enzimas que permiten copiar y leer el ADN y producir a su vez otras proteínas. Hasta ahora solo podíamos establecer la estructura de proteínas aisladas, pero ahora las podemos estudiar unidas a otras, a ADN, ARN, incluso explorar qué sucede si modificamos el conjunto con un residuo de fosfato, o fosforilación [una modificación epigenética] que cambia la función de todo el conjunto. Esto va a ser un generador de hipótesis asombroso. Eso sí, al final habrá que confirmar los resultados usando las técnicas convencionales y aquí vendrá lo difícil, porque si este sistema acierta en casi el 80% de los casos, quiere decir que falla en el 20%, un porcentaje demasiado alto para gastar el dineral que cuesta llevar un fármaco a ensayos con pacientes. Pero sí va a marcar una gran diferencia en las primeras fases de búsqueda de nuevos fármacos”, detalla.

El bioinformático navarro Íñigo Barrio, que trabaja en el Instituto Welcome Sanger (Reino Unido), destaca la nueva capacidad de esta IA para explicar cómo las proteínas se unen entre ellas o a otras moléculas para formar complejos. Un ejemplo clásico es cómo la hemoglobina se une a su ligando, el oxígeno, para transportarlo por todo el cuerpo. “Lo más relevante va a ser la capacidad de predecir la unión de diversos ligandos a proteínas. Permite entender dónde y cómo se va a unir un fármaco a la proteína diana, cómo va a afectar a su biología y los efectos potenciales no deseados en otras proteínas”, resalta.

En la entrevista que dio hace unos días para TED, le preguntaron a Hassabis cuál es el siguiente gran problema que quiere abordar con la IA. El neurocientífico contestó que cuando se haya construido la Inteligencia Artificial General —capaz de resolver muchos problemas diferentes a la vez— le gustaría usarla para entender la naturaleza en su nivel más fundamental, a la escala de Planck, en la que suceden los alucinantes fenómenos cuánticos. “Es algo así como la escala de resolución de la realidad”, señaló.

"'Nature' no debería publicar estudios así"

Alfonso Valencia, director de ciencias de la vida en el Centro Nacional de Supercomputación, es crítico con la nueva aportación de Deepmind, aunque reconoce que "sin duda supone un progreso importante". "Muestran que un modelo general de predicción de complejos de macromoleculas es posible, lo comparan con métodos anteriores, principalmente de David Baker, su único competidor serio, y muestran mejoras significativas, aunque basadas en pocos casos, docenas en cada categoría, lo que hace los resultados mucho menos fiables", señala.

 "El problema obvio es que al ofrecerse en un servidor, los usuarios tenderán a ignorar las limitaciones y tomar los resultados como fiables en todos los casos. Este problema no es nuevo y servidores anteriores de predicción de estructura ya sufrían de interpretaciones abusivas. Ahora, con nuevos métodos que son más populares, potentes y visibles, el problema va a ser peor.

 Aunque se puede usar el método como servidor web, no hacen el software público. 

 Esto es un error y 'Nature' no debería publicar estudios con resultados que no pueden ser ni reproducidos, ni validados independientemente. No puede ser una cuestión de fe creerse o no los resultados que presentan", dice.

El experto continúa: "Finalmente, veremos como el mundo académico puede adaptarse a este nuevo cambio y cuánto tiempo tardaremos en tener métodos equivalentes abiertos y públicos. Si nos basamos en los casos anteriores, como Alphafold 2, yo diría que muy poco. Entonces tendremos una evaluación más fiable e independiente de capacidades y limitaciones".

https://elpais.com/ciencia/2024-05-08/una-inteligencia-artificial-predice-la-interaccion-entre-todas-las-moleculas-de-la-vida.html?ssm=TW_CC#

https://www.lavanguardia.com/ciencia/20240508/9623004/llega-alphafold-3-ia-transformara-investigacion-biomedica.html