Sala 5 · Transformers · 2020

AlphaFold resuelve el plegado de proteínas

AlphaFold resuelve el plegado de proteínas (DeepMind, 2020): La IA como herramienta de descubrimiento científico.

En el concurso CASP14, AlphaFold 2 predijo la forma tridimensional de proteínas a partir de su secuencia de aminoácidos con una precisión cercana a la de los experimentos de laboratorio. Era un problema abierto desde hacía unos 50 años. En 2022 se publicó una base de datos con más de 200 millones de estructuras predichas.

Las proteínas son cadenas de aminoácidos que se pliegan en formas tridimensionales precisas, y esa forma determina en gran medida lo que hacen en el cuerpo. Desde hace décadas se sabía que, en principio, la secuencia contiene la información necesaria para predecir la forma. Lograrlo en la práctica era uno de los grandes problemas abiertos de la biología. Determinar una estructura de manera experimental, con cristalografía de rayos X o microscopios electrónicos, puede tomar meses o años para una sola proteína.

Desde 1994, un experimento comunitario llamado CASP pone a prueba los métodos de predicción cada dos años. Los organizadores publican secuencias de proteínas cuyas estructuras ya se resolvieron en laboratorios, pero todavía no se han publicado, y los equipos envían predicciones a ciegas.

En CASP14, a finales de 2020, AlphaFold 2, de DeepMind, produjo predicciones cuya precisión, para muchas proteínas, era comparable a la de los métodos experimentales. Los organizadores afirmaron que el problema de predecir la estructura de una sola cadena de proteína estaba en gran parte resuelto. El sistema combinaba aprendizaje profundo con ideas de la biología y la física, entre ellas una arquitectura basada en atención que razonaba sobre qué aminoácidos están cerca unos de otros en el espacio y sobre cómo la evolución ha mantenido unidas las secuencias emparentadas.

En julio de 2021, el equipo, dirigido por John Jumper y Demis Hassabis, describió el método en Nature y publicó su código. Junto con el Instituto Europeo de Bioinformática, EMBL-EBI, DeepMind abrió una base de datos gratuita de estructuras predichas. En 2022 se amplió a más de 200 millones de proteínas, casi todas las proteínas catalogadas que conoce la ciencia.

Hoy los investigadores usan estas predicciones para estudiar enfermedades, diseñar enzimas y planificar experimentos. Una versión posterior, AlphaFold 3, presentada en 2024, amplió las predicciones a las interacciones entre proteínas y otras moléculas.

Este trabajo les valió a Hassabis y a Jumper la mitad del Nobel Prize in Chemistry de 2024, en la Sala 6.

Pregúntale a tu IA: ¿por qué la forma de una proteína importa tanto para la medicina? Pídele un ejemplo concreto.

¿Sabías que…? Demis Hassabis y John Jumper recibieron por este trabajo el Premio Nobel de Química 2024, junto con David Baker, premiado por el diseño de proteínas.

Fuente: doi.org/10.1038/s41586-021-03819-2

Verla en el museo →

← GPT-3 y las leyes de escala · Aprender de las preferencias humanas →

Toda la Sala 5: Transformers

Cómo citar: Nazareno, I. (2026). AlphaFold resuelve el plegado de proteínas (2020). New Mind Museum. Consultado el 17 de noviembre de 2026, en https://newmindmuseum.com/es/museo/alphafold-resuelve-el-plegado-de-proteinas-2020/