Google estuvo gran parte del año pasado esforzándose por desarrollar su chatbot Gemini para hacer frente a ChatGPT, presentándolo como un asistente de inteligencia artificial (IA) multifuncional que sirve para las tareas laborales o en los quehaceres digitales de la vida personal. De forma más discreta, la compañía ha estado trabajando para mejorar una herramienta de IA más especializada que ya es imprescindible para algunos científicos.
AlphaFold, el software desarrollado por la unidad de IA Google DeepMind para predecir la estructura tridimensional de las proteínas, recibió una importante actualización. Ahora es capaz de modelar otras moléculas de relevancia biológica, como el ADN y las interacciones entre los anticuerpos producidos por el sistema inmunológico y las moléculas de los organismos patógenos. DeepMind añadió esas nuevas capacidades a AlphaFold 3 en parte tomando prestadas técnicas de los generadores de imágenes de IA.
TacticAI, un modelo de inteligencia artificial creado por Google DeepMind, predice el destino de los saques de esquina y sugiere ajustes para que los goles sean más o menos probables.
“Se trata de un gran avance para nosotros”, declaró Demis Hassabis, CEO de Google DeepMind, a WIRED antes de la publicación el miércoles de un artículo sobre AlphaFold 3 en la revista científica Nature. “Esto es exactamente lo que necesitas para el descubrimiento de medicamentos: ver cómo se adherirá una molécula pequeña a un fármaco, con qué fuerza, y también a qué más podría unirse”.
¿De qué es capaz AlphaFold 3 de Google DeepMind?
AlphaFold 3 permite modelizar grandes moléculas como el ADN y el ARN, que transportan el código genético, pero también entidades mucho más pequeñas, como los iones metálicos. Es capaz de predecir con gran precisión cómo interactuarán entre sí estas moléculas diferentes, señala el documento de investigación de Google.
El software fue desarrollado por Google DeepMind e Isomorphic Labs, una empresa hermana de la matriz Alphabet que trabaja en IA para biotecnología y que también dirige Hassabis. En enero, Isomorphic Labs anunció que colaboraría con Eli Lilly y Novartis en el desarrollo de medicamentos.
AlphaFold 3 estará disponible en la nube para que investigadores externos tengan acceso a él de forma gratuita, pero DeepMind no publicará el software como código abierto, como hizo con las versiones anteriores de AlphaFold. John Jumper, quien dirige el equipo de Google DeepMind que se dedica al software, indica que este ayudaría a comprender mejor cómo las proteínas interactúan y trabajan con el ADN dentro del cuerpo. “¿Cómo responden las proteínas al daño del ADN; cómo lo encuentran, lo reparan?”, resalta Jumper. “Podemos empezar a responder a estas preguntas”.
La comprensión de las estructuras de las proteínas solía requerir una minuciosa labor con microscopios electrónicos y una técnica llamada cristalografía de rayos X. Hace varios años, grupos de investigación académica comenzaron a probar si el aprendizaje profundo, la técnica en el corazón de muchos avances recientes de IA, serviría para predecir la forma de las proteínas simplemente a partir de los aminoácidos que las conforman, aprendiendo de estructuras que habían sido verificadas experimentalmente.
En 2018, Google DeepMind reveló que estaba trabajando en un software de IA llamado AlphaFold para predecir con precisión la forma de las proteínas. En 2020, AlphaFold 2 produjo resultados lo suficientemente precisos como para desatar una tormenta de entusiasmo en la biología molecular. Un año más tarde, la empresa lanzó una versión de código abierto de AlphaFold para que cualquiera la aprovechara, junto con 350,000 estructuras de proteínas que anticipó el software, incluidas las de casi todas las proteínas que se sabe que existen en el cuerpo humano. En 2022, la compañía publicó más de dos millones de estructuras proteínicas.
