AlphaFold 3 lleva la IA de DeepMind al ADN, ARN y los fármacos

Google DeepMind e Isomorphic Labs han presentado este miércoles AlphaFold 3, una nueva versión de su sistema de inteligencia artificial para predecir estructuras moleculares. La principal novedad es que ya no se limita a las proteínas: puede modelar cómo interactúan con ADN, ARN, moléculas pequeñas, iones y modificaciones químicas.

El salto importa porque buena parte de la biología y del desarrollo de medicamentos depende precisamente de esas interacciones. Una proteína aislada ofrece información útil, pero muchas enfermedades y tratamientos se explican por la forma en que una proteína se une a otra molécula dentro de una célula.

De doblar proteínas a reconstruir complejos biológicos

AlphaFold 2, presentado en 2020, resolvió uno de los grandes problemas de la biología computacional: predecir la forma tridimensional de una proteína a partir de su secuencia de aminoácidos. Esa forma condiciona su función. El sistema transformó el trabajo de muchos laboratorios al ofrecer, en segundos o minutos, hipótesis estructurales que antes podían requerir años de experimentos.

AlphaFold 3 amplía ese enfoque. En lugar de estimar solo la geometría de una proteína, intenta generar la estructura conjunta de un complejo molecular: por ejemplo, una proteína unida a un fragmento de ADN, una molécula de ARN o un compuesto químico.

Los compuestos pequeños son especialmente relevantes para la industria farmacéutica. Un medicamento suele funcionar porque se acopla a una región concreta de una proteína y modifica su actividad. A esas moléculas que se unen a una proteína se las denomina ligandos. Poder anticipar su posición y orientación puede ayudar a seleccionar antes qué candidatos merece la pena sintetizar y probar en el laboratorio.

Según Google DeepMind, AlphaFold 3 mejora en un 50% la precisión de los mejores métodos existentes para predecir interacciones entre proteínas y otras clases de moléculas. En algunas categorías de interacción molecular, la compañía sostiene que duplica la precisión disponible hasta ahora.

Un modelo de difusión para colocar los átomos

La nueva versión introduce un modelo de difusión, una familia de técnicas también utilizada para generar imágenes. El mecanismo parte de una disposición molecular imprecisa y la va refinando en pasos sucesivos hasta producir coordenadas para los átomos del complejo.

No se trata de una fotografía directa de una célula ni de una simulación completa de todo lo que sucede en ella. AlphaFold 3 produce una predicción basada en patrones aprendidos de estructuras conocidas y proporciona medidas de confianza para que los investigadores distingan las zonas más fiables de las más inciertas.

El avance resulta notable porque las estructuras de proteínas con ADN, ARN o ligandos son más difíciles de determinar que las proteínas aisladas. Métodos experimentales como la cristalografía de rayos X, la resonancia magnética nuclear o la criomicroscopía electrónica siguen siendo esenciales, pero no siempre son rápidos, baratos o aplicables a cada molécula.

Una herramienta con interés directo para los medicamentos

Isomorphic Labs, empresa creada por Alphabet y especializada en descubrimiento de fármacos, participó en el desarrollo de AlphaFold 3. Esa colaboración deja claro el destino práctico de la tecnología: reducir el número de experimentos necesarios para encontrar moléculas prometedoras.

La utilidad potencial va más allá de los medicamentos. La predicción de complejos entre proteínas y ADN puede servir para estudiar regulación genética; las interacciones con ARN son relevantes para investigar mecanismos celulares y terapias basadas en ARN; y la capacidad de incorporar iones o modificaciones químicas acerca el modelo a sistemas biológicos más realistas.

Pero una estructura plausible no convierte automáticamente un compuesto en un fármaco. AlphaFold 3 no determina por sí solo si una molécula llegará al tejido adecuado, será segura, tendrá toxicidad o funcionará en pacientes. Tampoco sustituye los ensayos de laboratorio y clínicos. Su valor está en acotar un espacio de posibilidades enorme antes de llegar a esas fases lentas y costosas.

Acceso gratuito, pero no código abierto

Google DeepMind ha puesto AlphaFold Server a disposición de investigadores para usos no comerciales. La plataforma permite introducir combinaciones de proteínas, ADN, ARN y moléculas pequeñas sin tener que instalar el modelo ni disponer de infraestructura informática especializada.

La compañía no ha publicado los pesos ni el código de AlphaFold 3 como software abierto. El acceso mediante servidor facilita que más grupos académicos usen el sistema, pero limita la posibilidad de reproducirlo, adaptarlo o ejecutarlo de forma independiente. Es una diferencia importante respecto a la práctica de una parte de la investigación científica, especialmente cuando una herramienta puede influir en el descubrimiento de tratamientos.

El resultado de AlphaFold 3 será, sobre todo, una herramienta para formular mejores preguntas experimentales. Si sus predicciones se confirman de forma consistente en el laboratorio, la IA habrá pasado de describir proteínas aisladas a intervenir en una fase mucho más amplia de la investigación biomédica.