DeepMind, la rama dedicada a la inteligencia artificial de Alphabet, la empresa matriz de Google, ha desvelado esta semana en la revista Nature AlphaFold 3, la última versión de su herramienta de predicción biológica, que promete transformar radicalmente el campo de la biología y el descubrimiento de fármacos. Esta versión es capaz de predecir tanto las estructuras de proteínas como las interacciones entre estas y prácticamente todos los elementos esenciales de la vida biológica, incluyendo ADN, ARN, moléculas pequeñas y anticuerpos.
La derivada más evidente del nuevo sistema es su potencial para descubrir nuevos fármacos, un campo que a partir de ahora explorará, esta vez en el ámbito privado, Laboratorios Isomorphic, la filial farmaceútica de Alphabet, liderada por Demis Hassabis.
La persona detrás de la herramienta
Demis Hassabis, fundador de DeepMind y cerebro detrás de AlphaFold, es un prodigio del ajedrez y neurocientífico cuya vida ha sido una constante superación de límites. Criado en Londres, hijo de un grecochipriota y una singapurense, Hassabis comenzó a jugar ajedrez a los cuatro años y se convirtió en maestro a los 13. Tras estudiar informática y doctorarse en neurociencia, fundó DeepMind, que se ha convertido en la vanguardia de la inteligencia artificial para Alphabet, la empresa propietaria de Google.
“La biología es un sistema dinámico”, declaraba Hassabis a los periodistas en rueda de prensa. “Las propiedades de la biología surgen a través de las interacciones entre diferentes moléculas en la célula, y se puede pensar en AlphaFold 3 como nuestro primer gran tipo de paso hacia [modelar] eso”.
Más predicción y más precisión
Desde su introducción en 2020, AlphaFold ha superado a cualquier humano en el arduo problema de determinar la estructura tridimensional de las proteínas, resolviendo las formas de 200 millones de proteínas conocidas. Este logro, que supone un ahorro aproximadamente mil millones de años de trabajo humano, ha sido solo el comienzo.
Con AlphaFold 3, DeepMind no solo ha extendido las capacidades de predicción a otras moléculas vitales sino que también ha mejorado significativamente la precisión y la complejidad de las interacciones que el modelo puede predecir. John Jumper, director de DeepMind, destacó que AlphaFold 3 tiene una tasa de éxito del 76% en casos de interacción entre proteínas y moléculas pequeñas, considerablemente superior a cualquier herramienta existente.
La compañía ha lanzado un servidor público, AlphaFold Server, que permitirá a científicos de todo el mundo acceder a esta herramienta revolucionaria, aunque con ciertas limitaciones en su uso para fines comerciales. Además, Laboratorios Isomorphic, una filial de Alphabet liderada por Hassabis, está explorando el uso de AlphaFold 3 para acelerar el descubrimiento de medicamentos. Hassabis comentó al Financial Times que espera reducir el tiempo de descubrimiento de medicamentos de cinco años a dos, destacando colaboraciones con gigantes farmacéuticos como Lilly y Novartis.
Retos a superar
A pesar de sus impresionantes capacidades, AlphaFold 3 no está exento de desafíos, como la precisión en las interacciones de proteínas con ARN y otros complejos moleculares, donde todavía hay margen de mejora. Y es que, al igual que otros sistemas de inteligencia artificial, como GPT, AlphaFold puede generar lo que lo que se conoce como ‘alucinaciones’, es decir, resultados inventados, especialmente cuando trata de describir aspectos que no están lo suficientemente bien representados en las extensas bases de datos utilizadas para su entrenamiento.
Puedes leer el artículo completo publicado en Nature haciendo clic aquí.