Gran parte del reciente revuelo sobre la IA se ha centrado en contenido digital fascinante generado a partir de simples indicaciones, junto con preocupaciones sobre su capacidad para diezmar la fuerza laboral y hacer que la propaganda maliciosa sea mucho más convincente. (¡Divertido!) Sin embargo, algunos de los trabajos más prometedores (y potencialmente mucho menos siniestros) de la IA se encuentran en la medicina. Una nueva actualización del software AlphaFold de Google podría conducir a avances en la investigación y el tratamiento de nuevas enfermedades.
El software AlphaFold, de Google DeepMind e Isomorphic Labs (también propiedad de Alphabet), ya ha demostrado que puede predecir cómo se pliegan las proteínas con una precisión sorprendente. Está catalogada la asombrosa cifra de 200 millones de proteínas conocidas, y Google dice que millones de investigadores han utilizado versiones anteriores para hacer descubrimientos en áreas como vacunas contra la malaria, tratamientos contra el cáncer y diseños de enzimas.
Conocer la forma y estructura de una proteína determina cómo interactúa con el cuerpo humano, lo que permite a los científicos crear nuevos fármacos o mejorar los existentes. Pero la nueva versión, AlphaFold 3, puede modelar otras moléculas cruciales, incluido el ADN. También puede trazar interacciones entre medicamentos y enfermedades, lo que podría abrir nuevas e interesantes puertas para los investigadores. Y Google dice que lo hace con una precisión un 50 por ciento mayor que los modelos existentes.
«AlphaFold 3 nos lleva más allá de las proteínas a un amplio espectro de biomoléculas», escribió el equipo de investigación DeepMind de Google en una publicación de blog. «Este salto podría desbloquear una ciencia más transformadora, desde el desarrollo de materiales biorrenovables y cultivos más resistentes hasta la aceleración del diseño de fármacos y la investigación genómica».
“¿Cómo responden las proteínas al daño del ADN? ¿Cómo lo encuentran y lo reparan? John Jumper, líder del proyecto Google DeepMind, dijo cableado. «Podemos empezar a responder estas preguntas».
Antes de la IA, los científicos sólo podían estudiar las estructuras de las proteínas a través de microscopios electrónicos y métodos elaborados como la cristalografía de rayos X. El aprendizaje automático agiliza gran parte de ese proceso mediante el uso de patrones reconocidos en su entrenamiento (a menudo imperceptibles para los humanos y nuestros instrumentos estándar) para predecir las formas de las proteínas en función de sus aminoácidos.
Google dice que parte de los avances de AlphaFold 3 provienen de la aplicación de modelos de difusión a sus predicciones moleculares. Los modelos de difusión son piezas centrales de generadores de imágenes de IA como Midjourney, Gemini de Google y DALL-E 3 de OpenAI. La incorporación de estos algoritmos en AlphaFold «agudiza las estructuras moleculares que genera el software», como cableado explica. En otras palabras, se necesita una formación que parece confusa o vaga y hace conjeturas muy fundamentadas basadas en patrones de sus datos de entrenamiento para aclararla.
«Este es un gran avance para nosotros», dijo el director ejecutivo de Google DeepMind, Demis Hassabis. cableado. «Esto es exactamente lo que se necesita para el descubrimiento de fármacos: hay que ver cómo se unirá una pequeña molécula a un fármaco, con qué fuerza y también a qué más podría unirse».
AlphaFold 3 utiliza una escala codificada por colores para etiquetar su nivel de confianza en su predicción, lo que permite a los investigadores tener la precaución adecuada con resultados que tienen menos probabilidades de ser precisos. Azul significa alta confianza; rojo significa que es menos seguro.
Google está haciendo que AlphaFold 3 sea gratuito para que los investigadores lo utilicen en investigaciones no comerciales. Sin embargo, a diferencia de versiones anteriores, la empresa no es de código abierto para el proyecto. Un destacado investigador que fabrica software similar, el profesor David Baker de la Universidad de Washington, expresó su decepción ante cableado que Google eligió esa ruta. Sin embargo, también quedó impresionado por las capacidades del software. «El rendimiento de predicción de estructuras de AlphaFold 3 es muy impresionante», afirmó.
En cuanto a lo que sigue, Google dice: «Isomorphic Labs ya está colaborando con compañías farmacéuticas para aplicarlo a los desafíos de diseño de fármacos del mundo real y, en última instancia, desarrollar nuevos tratamientos que cambien la vida de los pacientes».