AlphaFold es un sistema de aprendizaje profundo desarrollado por DeepMind que predice la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos. Predecir cómo una cadena lineal de aminoácidos se pliega en la compleja forma tridimensional que determina la función biológica de una proteína había sido un problema abierto en biología estructural durante aproximadamente cincuenta años, conocido como el problema del plegamiento de proteínas, ya que determinar estructuras experimentalmente mediante métodos como la cristalografía de rayos X o la criomicroscopía electrónica es lento y costoso.
CASP14 y el avance de 2020
La segunda versión de AlphaFold, AlphaFold2, logró un resultado en la Evaluación Crítica de la Predicción de Estructuras de Proteínas de 2020, conocida como CASP14, que los organizadores y biólogos estructurales independientes describieron como resolver efectivamente el problema del plegamiento de proteínas para la mayoría de las proteínas. CASP es una competencia ciega bienal en la que los equipos de investigación predicen las estructuras de proteínas cuyas estructuras reales han sido determinadas experimentalmente pero aún no publicadas, lo que permite a los organizadores calificar las predicciones contra la verdad fundamental no publicada. AlphaFold2 logró una puntuación de precisión mediana competitiva con la resolución de métodos experimentales para la mayoría de las proteínas objetivo, un nivel de precisión que ningún método computacional previo había alcanzado y que los propios evaluadores de CASP y biólogos externos calificaron como un resultado transformador para el campo.
Arquitectura
AlphaFold2 utilizó una arquitectura basada en transformadores con un componente llamado Evoformer, que procesaba tanto la secuencia de aminoácidos como información evolutiva extraída de alineamientos de secuencias múltiples, secuencias de proteínas relacionadas entre diferentes especies, junto con restricciones geométricas, para refinar iterativamente una estructura predicha. DeepMind publicó la arquitectura del modelo y el código de AlphaFold2 en 2021, y liberó estructuras predichas para casi todas las proteínas con secuencias conocidas en la base de datos UniProt a través de la Base de Datos de Estructuras de Proteínas AlphaFold (AlphaFold DB), de acceso gratuito, un esfuerzo conjunto con el Instituto Europeo de Bioinformática, que finalmente cubrió más de 200 millones de estructuras de proteínas.
Impacto y el Premio Nobel
La liberación abierta tanto del código como de las estructuras predichas de AlphaFold fue ampliamente acreditada por acelerar la investigación en biología estructural, descubrimiento de fármacos y diseño de enzimas, ya que los investigadores que previamente necesitaban meses de trabajo experimental o carecían de acceso a instalaciones de determinación estructural podían obtener una estructura predicha de alta confianza en minutos. En 2024, el cofundador de DeepMind, Demis Hassabis, y el investigador principal de AlphaFold, John Jumper, compartieron la mitad del Premio Nobel de Química por el desarrollo de AlphaFold, con la otra mitad otorgada a David Baker por trabajo separado en diseño computacional de proteínas; el premio fue ampliamente cubierto como un reconocimiento histórico de la contribución directa de la inteligencia artificial a un logro científico de nivel Nobel. DeepMind posteriormente lanzó AlphaFold3 en 2024, extendiendo la capacidad de predicción más allá de proteínas individuales a interacciones entre proteínas, ADN, ARN y ligandos de moléculas pequeñas, de particular relevancia para el descubrimiento de fármacos.
Recepción y limitaciones
AlphaFold es ampliamente considerado uno de los éxitos aplicados más significativos del aprendizaje profundo fuera del lenguaje y la visión, frecuentemente citado junto a AlphaGo como evidencia de la estrategia de investigación de DeepMind de aplicar métodos de aprendizaje por refuerzo y aprendizaje profundo a problemas científicos bien definidos con criterios de evaluación claros. Los investigadores señalaron limitaciones, incluida una menor fiabilidad para proteínas intrínsecamente desordenadas que carecen de una estructura estable única y para predecir cómo las proteínas cambian de forma dinámicamente o interactúan dentro de una célula viva, áreas que siguieron siendo direcciones de investigación activas después del lanzamiento de AlphaFold3.