AlphaFold 3: Una inteligencia artificial predice en segundos cómo se ensambla la vida

Eso es precisamente lo que ha logrado AlphaFold 3, una inteligencia artificial de Google Deep Mind y la compañía Isomorphic Labs, que promete revolucionar la ciencia. El nuevo código, presentado este miércoles en la revista 'Nature', predice la estructura y la interacción de todas las moléculas existentes con una precisión sin precedentes y a una velocidad inusitada. Lo que antes llevaba años y suponía, por ejemplo, el trabajo de un doctorado y cientos de miles de euros, ahora puede hacerse en cuestión de segundos. Estos datos, disponibles para la comunidad científica en un servidor (AlphaFold Server) de forma gratuita, prometen acelerar el desarrollo de fármacos más eficaces, impulsar la investigación genómica y ayudar a desarrollar tecnologías para obtener cultivos más resistentes o materiales renovables.

El modelo se basa en AlphaFold 2, que en 2020 logró predecir la estructura 3D de 200 millones de proteínas, casi todas las conocidas por la ciencia y ya supuso una auténtica revolución en la biología. Hasta ahora, ha sido usado por miles de investigadores en todo el mundo para hacer descubrimientos en áreas como vacunas contra la malaria, tratamientos contra el cáncer y diseño de enzimas. Ha sido citado más de 20.000 veces y reconocido con numerosos premios, como el Breakthrough en Ciencias de la Vida.

Noticia Relacionada

¿Y si la próxima pandemia la genera una inteligencia artificial?

Judith de Jorge

Más de 160 científicos de todo el mundo han firmado una iniciativa para que el diseño de proteínas con aprendizaje profundo, una revolución en la biología, no pueda ser utilizado con fines malévolos. David Baker, George Church, Eric Horvitz y la Nobel Frances Arnold lo explican a ABC

«AlphaFold 3 es nuestro próximo paso. El primero para comprender las interacciones entre las diferentes moléculas en la células», ha explicado Demis Hassabis, CEO de DeepMind, en la presentación del código. La herramienta modela grandes biomoléculas como las proteínas, el ADN y el ARN, pero también las moléculas pequeñas, llamadas ligandos, una categoría que resulta especialmente interesante porque abarca muchos fármacos, como la aspirina o el ibuprofeno. Además, puede modelar modificaciones químicas en las moléculas que controlan el funcionamiento saludable de las células, y cuando se interrumpen, pueden llevar a enfermedades.

El sistema se sustenta sobre una versión mejorada de Evoformer, una arquitectura de aprendizaje profundo ya incluida en AlphaFold 2. Ensambla sus predicciones utilizando una red de difusión, similar a las que se encuentran en los generadores de imágenes de IA. El proceso comienza con una nube de átomos que, a lo largo de muchas etapas, converge en una estructura molecular final. Y todo lo hace a una gran velocidad. «Imagina que para hacerte la cena tienes que recoger la leña, buscar bayas e ir de caza, o coger el teléfono y pedir una pizza que llegará a la puerta de tu casa en diez minutos. Eso es lo que hace AlphaFold3, una solución para generar un montón de moléculas biológicas con solo unos clics», ha resumido la investigadora Dhavanthi Hariharan, de DeepMind. «Es la herramienta más precisa del mundo para predecir cómo las proteínas interactúan con otras moléculas», se ha congratulado.

Según la compañía, para las interacciones de proteínas con otros tipos de moléculas, el algoritmo es al menos un 50% más preciso en comparación con los métodos de predicción existentes, y para algunas categorías duplica la precisión de la predicción. Un punto de interés es la capacidad de predecir la unión de anticuerpos a proteínas, fundamental para comprender aspectos de la respuesta inmunológica humana y el diseño de nuevos anticuerpos. Isomorphic Labs ya está colaborando con empresas farmacéuticas para desarrollar nuevos tratamientos «para algunas de las enfermedades más devastadoras de la humanidad», entre ellas el cáncer.

Noelia Ferruz, del Instituto de Biología Molecular en Barcelona, implementa modelos de lenguaje similares a ChatGPT para diseñar proteínas útiles contra el cáncer o el cambio climático. El anuncio de DeepMind «me ha impresionado. Abre un mundo increíble de posibilidades. Cualquier enfermedad que podamos pensar tiene involucradas proteínas, desde el covid, las alergias, o el cáncer. Es un avance para todos los grupos del mundo que trabajan en Biomedicina, Biología e incluso Química», afirma. «Antes de AlphaFold, una empresa farmacéutica pasaba un porcentaje alto de su tiempo intentando entender cómo se unen los fármacos a una proteína de interés. Por ejemplo, cómo una molécula que pueda ser usada para combatir una enfermedad psiquiátrica interactúa con proteínas receptoras que se encuentran en el cerebro. Podían pasar años de trabajo experimental hasta obtener resultados, o no obtenerlos nunca. Ahora podemos resolver ese problema en segundos«, indica la investigadora, quien confiesa que tiene mucha curiosidad por probar el servidor.

Para César de la Fuente, Premio Fundación Princesa de Girona de Investigación Científica 2021 y que lidera el Machine Biology Group en la Universidad de Pensilvania (EE.UU.), "este nuevo trabajo ha expandido el repertorio de moléculas más allá de las proteínas para incluir small molecules (moléculas pequeñas), lo que abre un nuevo abanico de posibilidades para predecir la estructura e interacciones de muchas más moléculas de la vida. Muchas de las medicinas actuales son 'small molecules', por lo que la investigación puede ayudar en un futuro a acelerar el diseño de nuevas moléculas con propiedades terapéuticas".

No todo son luces. Recientemente, más de 160 investigadores de todo el mundo especializados en el diseño de proteínas con IA firmaron un acuerdo para garantizar que estas tecnologías no sean utilizadas con fines malévolos, como el desarrollo de armas biológicas. «Estamos muy comprometidos con la seguridad y los posibles riesgos. Hemos realizado varios estudios y las conclusiones señalan que los beneficios para la humanidad los superan con creces», ha tranquilizado John Jumper, biólogo computacional en DeepMind. Muy al contrario, ha considerado «muy emocionante» todo lo que la comunidad científica hará con la nueva herramienta. «No puedo esperar a todas las aplicaciones», ha dicho.