AlphaFold 2020 es un programa de inteligencia artificial desarrollado por DeepMind, una subsidiaria de Alphabet, que predice estructuras de proteínas a partir de secuencias de aminoácidos utilizando técnicas de aprendizaje profundo. En la 14.ª edición del concurso Evaluación Crítica de la Predicción de Estructuras (CASP14) en noviembre de 2020, logró una precisión sin precedentes, superando los 90 puntos en la prueba de distancia global (GDT) para aproximadamente dos tercios de las proteínas evaluadas, donde 100 representa una coincidencia completa con las estructuras determinadas experimentalmente. Los resultados fueron descritos como "asombrosos" y "transformadores" por los investigadores, aunque algunos señalaron que la precisión seguía siendo insuficiente para un tercio de las predicciones y que el mecanismo subyacente del plegamiento de proteínas sigue sin resolverse.
Antecedentes
Las proteínas consisten en cadenas de aminoácidos que se pliegan espontáneamente en estructuras tridimensionales (3-D), esenciales para comprender la función biológica. Los métodos experimentales como la cristalografía de rayos X, la criomicroscopía electrónica y la resonancia magnética nuclear (RMN) son costosos y requieren mucho tiempo; en más de 60 años, han determinado estructuras de aproximadamente 170,000 proteínas, mientras que existen más de 200 millones de proteínas conocidas en todas las formas de vida. Los métodos de predicción computacional, incluido el modelado por homología basado en la evolución molecular, lograron puntuaciones GDT de solo unos 40 de 100 para las proteínas más difíciles en 2016, según lo evaluado por CASP, que se lanzó en 1994 para desafiar a la comunidad científica. AlphaFold compitió por primera vez en CASP en 2018 utilizando un enfoque de aprendizaje profundo con IA.
Algoritmo
DeepMind entrenó el programa con más de 170,000 estructuras de proteínas del Banco de Datos de Proteínas, un repositorio público de secuencias y estructuras. El sistema utiliza una forma de red de atención, una técnica de aprendizaje profundo que identifica partes de un problema más grande y las ensambla en una solución general. El entrenamiento se realizó entre 100 y 200 GPU.
AlphaFold 1 (2018)
AlphaFold 1, que ganó CASP13 en diciembre de 2018, se basó en trabajos previos que analizaban grandes bases de datos de secuencias de proteínas relacionadas para encontrar cambios correlacionados en residuos no consecutivos, lo que sugiere proximidad física. Amplió esto estimando distribuciones de probabilidad para distancias entre residuos, convirtiendo efectivamente mapas de contacto en mapas de distancia, y utilizó métodos de aprendizaje más avanzados. El código no se puso a disposición del público excepto para ejecutarlo en secuencias de CASP.
AlphaFold 2 (2020)
La versión de 2020 difiere significativamente de su predecesora. AlphaFold 1 utilizaba módulos entrenados por separado combinados con un potencial energético basado en física; AlphaFold 2 reemplazó esto con subredes interconectadas que forman un modelo único, diferenciable y de extremo a extremo basado en reconocimiento de patrones, entrenado de manera integrada. Tras la convergencia de la red neuronal, un paso de refinamiento final aplica restricciones físicas locales mediante minimización de energía basada en el campo de fuerza AMBER, que solo ajusta ligeramente la estructura predicha. Los componentes clave incluyen dos módulos, probablemente basados en un diseño transformador, que refinan progresivamente la información sobre las relaciones entre residuos de aminoácidos y entre posiciones y secuencias en la alineación de entrada. La inclusión de datos metagenómicos mejoró la calidad de la alineación de secuencias múltiples, y los datos de entrenamiento provinieron de la base de datos personalizada Big Fantastic Database de 65,983,866 familias de proteínas, que cubre 2,204,359,010 secuencias de proteínas de bases de datos de referencia, metagenomas y metatranscriptomas.
Impacto y Reconocimiento
Los resultados de AlphaFold 2 en CASP14 fueron ampliamente reconocidos. El 15 de julio de 2021, el artículo se publicó en Nature como una publicación de acceso anticipado, junto con software de código abierto y una base de datos buscable de proteomas de especies. En noviembre de 2025, el artículo había sido citado casi 43,000 veces. Demis Hassabis y John Jumper compartieron la mitad del Premio Nobel de Química 2024 "por la predicción de la estructura de proteínas", mientras que David Baker recibió la otra mitad "por el diseño computacional de proteínas". Anteriormente habían ganado el Premio Breakthrough en Ciencias de la Vida y el Premio Albert Lasker de Investigación Médica Básica en 2023. Sin embargo, algunos investigadores señalaron que la precisión era insuficiente para un tercio de las predicciones y que el programa no revelaba las reglas subyacentes del plegamiento de proteínas, dejando el problema del plegamiento de proteínas sin resolver.
Legado
AlphaFold 3 se anunció el 8 de mayo de 2024, capaz de predecir estructuras de complejos formados por proteínas con ADN, ARN, ligandos e iones, mostrando una mejora mínima del 50% en precisión para interacciones de proteínas con otras moléculas en comparación con los métodos existentes. En 2026, Google anunció que el equipo de AlphaFold se había disuelto, con la mayoría de los miembros reasignados a trabajar en Gemini y otros trasladados a Isomorphic Labs o abandonando la empresa por completo. El avance de 2020 sigue siendo un hito en las aplicaciones de aprendizaje automático a la biología, demostrando el poder del aprendizaje profundo en la resolución de problemas científicos complejos.