DeepMind anunciado AlphaFold 3la última iteración de su proyecto de plegamiento de proteínas.
AlphaFold 3al igual que sus predecesores, predice principalmente cómo se pliegan las proteínas basándose en sus secuencias de aminoácidos.
Las proteínas, componentes básicos de toda vida orgánica, están formadas por largas cadenas de aminoácidos que se pliegan como un "origami" en estructuras tridimensionales que determinan sus funciones.
Entender cómo se pliegan estas estructuras abre la puerta a descifrar los mecanismos moleculares que sustentan la salud y la enfermedad.
Por ejemplo, en algunos casos, las proteínas pueden plegarse mal, lo que altera su función normal y contribuye al desarrollo de enfermedades como el Alzheimer y el Parkinson.
El mal plegamiento puede interferir en la salud celular al acumular proteínas disfuncionales que pueden dañar las células y los tejidos.
Al desentrañar los mecanismos que subyacen a este proceso, los científicos pueden desarrollar fármacos que eliminen eficazmente del organismo las proteínas mal plegadas acumuladas o intervenciones que impidan que se produzca el mal plegamiento.
Presentación de AlphaFold 3
DeepMind anunciado recientemente Pliegue alfa 3que incluye una versión mejorada del módulo Evoformer, que forma parte de la arquitectura de aprendizaje profundo en la que se basa AlphaFold 2.
Una vez que el módulo Evoformer procesa las moléculas de entrada, AlphaFold 3 utiliza una novedosa red de difusión para ensamblar las estructuras predichas.
Esta red es similar a las utilizadas en los generadores de imágenes de IA como DALL-E. Comienza con una "nube" de átomos y va refinando la estructura a lo largo de una serie de pasos hasta que converge en una configuración molecular final probablemente exacta.
El modelo AlphaFold 3 ha evolucionado más allá de las proteínas: también capta las interacciones del ADN, el ARN y los ligandos. Un ligando es una molécula que se une a otra molécula, normalmente una proteína, para formar un complejo y a menudo desencadena una respuesta biológica o un cambio en la función de la proteína.
Laboratorios Isomorphicque colaboró con DeepMind del proyecto AlphaFold 3, ya está trabajando con empresas farmacéuticas, aplicando el modelo a retos reales de diseño de fármacos.
DeepMind también ha puesto en marcha el Servidor AlphaFoldAlphaFold 3, una plataforma gratuita y fácil de usar que permite a los investigadores aprovechar la potencia de AlphaFold 3 sin necesidad de grandes recursos informáticos ni experiencia en aprendizaje automático.
Breve historia del proyecto AlphaFold
Antes del aprendizaje automático, calcular el número de configuraciones que podía adoptar una proteína requería un tiempo astronómico.
El proyecto AlphaFold comenzó en 2016 y finalizó en 2018, poco después de la histórica victoria de AlphaGo contra Lee Sedol, uno de los mejores jugadores internacionales de Go.
En 2018, DeepMind presentó AlphaFold 1, la primera versión del sistema de IA, en el CASP13 (Evaluación crítica de la predicción de estructuras proteicas) challenge.
Este concurso bienal reúne a grupos de investigación de todo el mundo para poner a prueba la precisión de sus predicciones sobre la estructura de las proteínas comparándolas con datos experimentales reales.
AlphaFold 1 obtuvo el primer puesto en el concurso, lo que supone un gran hito en la biología computacional.
Dos años después, en CASP14 en 2020, DeepMind presentó AlphaFold 2, demostrando una precisión tan elevada que la comunidad científica consideró el problema del plegamiento de proteínas esencialmente resuelto.
El rendimiento de AlphaFold 2 fue notable. Alcanzó una puntuación media de precisión de 92,4 GDT (Global Distance Test) en todos los objetivos.
Para ponerlo en perspectiva, una puntuación de 90 GDT se considera competitiva con los resultados obtenidos con métodos experimentales. Desde entonces, el artículo sobre los métodos AlphaFold 2 ha recibido más de 20.000 citas, lo que lo sitúa entre los 500 artículos más citados en todos los campos científicos.
AlphaFold ha desempeñado un papel decisivo en numerosos proyectos de investigación novedosos, como el estudio de proteínas que podrían degradar contaminantes ambientales, como los plásticos, y la mejora de nuestra comprensión de enfermedades tropicales poco comunes como la Leishmaniasis y el Chagas.
En julio de 2021, DeepMinden colaboración con el Instituto Europeo de Bioinformática del EMBL (EMBL-EBI), ha publicado la base de datos de estructuras proteicas AlphaFold, que da acceso a más de 350.000 predicciones de estructuras proteicas, incluido el proteoma humano completo.
Esta base de datos se ha ampliado desde entonces para incluir más de 200 millones de estructuras, que abarcan casi todas las proteínas catalogadas conocidas por la ciencia.
Hasta la fecha, más de un millón de usuarios de más de 190 países han accedido a la base de datos de estructuras proteínicas AlphaFold, lo que ha permitido realizar descubrimientos en campos que van desde la medicina a la agricultura, pasando por otros.
AlphaFold 3 supone otra iteración de este sistema de descubrimiento y análisis de proteínas, el mejor de su clase.
