¡Y hasta aquí mi #HiloTesis! Muchas gracias a todos por leerme 🤗
Gracias también a mi grupo de investigación, al cual podéis buscar en Instagram como @signalyeast 📷

¡Hasta la próxima!
@crueuniversidades.bsky.social
@filarramendi.bsky.social
@ucccomplutense.bsky.social
@ucm.es

👉¡La validación en el laboratorio es esencial! Sin datos experimentales, no se pueden alcanzar conclusiones sólidas🔬

👉La inteligencia artificial es muy útil, y aunque no debe sustituir al laboratorio, nos puede ayudar y guiar en el planteamiento de hipótesis 🧐

¿Qué hemos aprendido con todo esto?

👉La IA AlphaFold es una herramienta poderosa, pero es importante conocer sus limitaciones.

👉Es clave interpretar bien los parámetros de calidad para distinguir las partes de cada predicción que son realmente fiables.

¡Qué prometedor! Pero ojo: también hubo falsos negativos, posiblemente porque fuimos muy estrictos al considerar válidas las interacciones.

¡Pero miremos el lado bueno! No hubo falsos positivos, lo que nos da confianza en el procedimiento para el descubrimiento de interacciones desconocidas 👩‍🔬⚛️

Y la respuesta es… ¡¡sííí!! 🎉🥳🎊🥂

Siempre que AlphaFold había sugerido que una interacción podría estar ocurriendo realmente, las pruebas experimentales confirmaron que así era. ¡Éxito!

En total, de las 30 interacciones “sospechosas”, solo pudimos comprobar experimentalmente 23 debido a limitaciones técnicas. ¡Y atención! De esas 23, todas menos una resultaron ser interacciones reales… ¿Coincidirán con las que nos había sugerido AlphaFold?

Para poder validar estas predicciones recurrimos a un ensayo de copurificación, una técnica de laboratorio que permite comprobar si dos proteínas interaccionan en condiciones in vitro. ¡Llegó la hora de contrastar las predicciones!

¡Qué nervios!

En total, siguiendo nuestros criterios (consistencia entre predicciones + calidad mínima), de las 30 interacciones analizadas, ¡11 pasaron la prueba! 🎉🥳

Pero claro, ya sabéis que la predicción de una IA no basta por sí sola… ¿Coincidirían estos resultados con los obtenidos de manera experimental?

Además, también contábamos con ese “auto-control de calidad” que AlphaFold hace de sus propias predicciones.

Solo aquellas que superaban un umbral mínimo de calidad seguían adelante en el estudio 👉 De esta forma, pudimos filtrar los modelos que eran realmente fiables 👏👏

¡Ya está! Realizamos varias predicciones distintas para cada interacción, usando diferentes fragmentos de las proteínas involucradas:
✅Si todas las predicciones dan lugar al mismo modelo, el resultado es positivo 🥳
❌Si las predicciones son inconsistentes entre sí… resultado negativo 😭

Nos pusimos manos a la obra: predijimos la interacción entre Ssk2 y cada proteína “sospechosa”.
Pero no era tan fácil… AlphaFold a veces muestra interacciones que no existen.
Entonces, ¿cómo distinguir predicciones fiables de simples ilusiones?

¡Necesitábamos interacciones que se pudiesen validar en el laboratorio! Por suerte, teníamos los datos de un clásico: un ensayo de dos híbridos con posibles interacciones de Ssk2, una proteína clave en la respuesta al estrés en S. cerevisiae (sí, la levadura de toda la vida)🍻🥖

Y os preguntaréis… ¿De verdad acierta AlphaFold? ¿Realmente puedo saber si dos proteínas interaccionan solo con una predicción? 🤔
¡Nosotros tampoco lo teníamos claro! Así que lo pusimos a prueba en el laboratorio en lo que llamamos “Interacciones a juicio: predicción 💻🤖 VS. experimentación 🧬🧪"

¡Pero tranquilos! 🤗

Por suerte AlphaFold incluye unos indicadores de calidad que nos permiten conocer cuánta confianza tiene en su predicción.

¡Ya le gustaría a ChatGPT ser tan humilde! 😂

…¿Cuáles son las que más nos preocupan?
1️⃣ Como todas las IA, AlphaFold puede "alucinar": dar respuestas que parecen reales, pero que no lo son.
2️⃣ Cuando predice interacciones, suele mostrar a las proteínas interactuando, ¡aunque esto no sea cierto! 😩

Lo primero... ¿cómo funciona AlphaFold? 👉 Aprende a partir de estructuras e interacciones conocidas para predecir cómo se pliegan y encajan sus cadenas de aminoácidos.

¡Genial! Sin embargo, aunque es un arma muy poderosa para la investigación biomédica, AlphaFold tiene sus limitaciones…