AlphaFold es un modelo de IA con un gran aporte en la comunidad científica para la predicción de estructuras de proteínas, entre otras aplicaciones.
AlphaFold 3 de Google es una herramienta de inteligencia artificial (IA) desarrollada por DeepMind, una compañía de Google. Entre sus principales utilidades se encuentran: la predicción de estructuras de proteínas, el modelado de interacciones de proteínas entre sí y la aceleración de la investigación en el desarrollo de fármacos. Esta herramienta es importante debido a que las estructuras de una proteína determinan su función, por lo que conocer esto es clave para entender cómo funcionan los organismos vivos, lo que ayuda a diseñar nuevas terapias.
La versión anterior, AlphaFold 2 fue lanzada en 2020 y desde entonces más de 2 millones de investigadores han aprovechado el modelo para la predicción de proteínas en sus estudios sobre desarrollo de vacunas, tratamientos contra el cáncer y más.
Actualmente con AlphaFold 3, el nuevo modelo de DeepMind lanzado en mayo de este año se han aludido nuevas funcionalidades, como la predicción de la estructura e interacciones de las estructuras moleculares incluyendo ADN y ARN.
“Con AlphaFold 2 hicimos enormes progresos en este problema abierto desde hace décadas del plegamiento de proteínas, pero si nos fijamos en las investigaciones recientes de gran impacto, los investigadores están yendo más allá”, expresó Jonas Adler, científico investigador de Google DeepMind.
“Sus conclusiones a menudo se referían a algo más detallado, como la unión de moléculas pequeñas, o ARN, que AlphaFold 2 no podía hacer. Las cosas habían avanzado experimentalmente y, por eso, para llegar a la frontera de donde están hoy las cosas en biología y química, necesitábamos realmente poder abarcar todas las biomoléculas”, agregó.
AlphaFold 3 fue desarrollado por medio de diversas técnicas como el deep learning o aprendizaje profundo, arquitectura de red neuronal y una gran potencia computacional. Es decir, su creación implicó el entrenamiento de una extensa red neuronal con grandes cantidades de datos. Asimismo, su arquitectura necesito un diseño cuidadoso para captura las relaciones entre la secuencia de aminoácidos de una proteína y su estructura en 3D.
La transición de la versión previa a la nueva, implicó múltiples mejoras como mayor precisión, mayor velocidad y mayor cobertura, es decir predice estructuras de una gama más amplia de proteínas.
Además, el nuevo modelo también necesitó la creación de una mejor base de datos, lo que derivó en la creación del AlphaFold Server, una herramienta gratuita para los científicos. “Es como Google Maps para complejos moleculares”, comentó, Lindsay Willmore, ingeniera de investigación de Google DeepMind. “Cualquier usuario que no sepa nada de código puede copiar y pegar las secuencias de sus proteínas, ADN, ARN o el nombre de su pequeña molécula, pulsar un botón y esperar unos minutos. Su estructura y las métricas de confianza saldrán para que sean capaces de mirar y evaluar su predicción”.
Los científicos de DeepMind ahora esperan ver cómo los investigadores de todo el mundo utilizan AlphaFold para avanzar en campos científicos como la genómica el diseño de fármacos y más. “Lo que antes era muy difícil ahora es muy fácil. Lo que antes era imposible ahora es posible, y aunque todavía hay problemas muy difíciles de resolver, estamos entusiasmados con el potencial de AlphaFold 3 para ayudar a resolverlos”, comentó Jonas.
