El biólogo computacional Sergei Kotelnikov trabaja en el desarrollo de nuevos métodos de modelado de proteínas en el MIT. Su investigación se enmarca dentro de la School of Science Dean’s Postdoctoral Fellowship.
El origen de la vida
Hace miles de millones de años, moléculas orgánicas simples comenzaron a interactuar en la Tierra. Estas interacciones dieron lugar a la vida, un fenómeno que Kotelnikov describe como una forma de magia. Las moléculas se agrupan formando polímeros, que se ensamblan en células y organismos, creando un sistema más complejo que la suma de sus partes.
Según Kotelnikov, aunque se pueden formular teorías sobre el comportamiento de las moléculas, la complejidad que surge a escalas mayores sigue siendo un misterio fascinante.
Formación y pasión por la ciencia
Kotelnikov, originario de Abakan, Rusia, se sintió atraído por la ciencia desde joven. Su pasión por resolver problemas se alimentó de desafíos matemáticos propuestos por su padre, un ingeniero. Este interés lo llevó a participar en competiciones de ciencias y a asistir a una escuela pública de ciencias.
En 2012, Kotelnikov comenzó su licenciatura en física y matemáticas aplicadas en el Moscow Institute of Physics and Technology. Allí, se interesó por la biología, especialmente por la idea de la “emergencia de la complejidad” durante un curso de física estadística.
Desarrollo de modelos y aplicaciones
Durante su doctorado en Stony Brook University, Kotelnikov trabajó con Dima Kozakov, un líder en predicción de interacciones y estructuras de proteínas. Su investigación se centra en modelar la arquitectura de las proteínas, fundamentales para procesos celulares.
Las proteínas son esenciales para la vida, pero su mal funcionamiento puede dar lugar a enfermedades. Kotelnikov aplica métodos de modelado que permiten entender estas estructuras y sus interacciones. Esto es crucial para el descubrimiento de fármacos, especialmente en el contexto de enfermedades complejas como el cáncer.
Colaboración en MIT
En el MIT, Kotelnikov colabora con Amy Keating, profesora de biología, para investigar la estructura y función de las proteínas. Esta colaboración busca fusionar física y aprendizaje automático para avanzar en métodos de modelado aplicables a la inmunología del cáncer y la protección de cultivos.
Además, planea trabajar con Tommi Jaakkola y Tess Smidt en el campo del aprendizaje profundo geométrico, integrando conocimientos físicos en arquitecturas de redes neuronales.
