Si bien el modelo anterior, lanzado en 2020, sorprendió a la comunidad investigadora con su capacidad para predecir estructuras de proteínas, los investigadores han estado clamando por que la herramienta maneje algo más que proteínas.
Ahora, dice DeepMind, AlphaFold 3 puede predecir las estructuras de ADN, ARN y moléculas como ligandos, que son esenciales para el descubrimiento de fármacos. DeepMind dice que la herramienta proporciona un retrato más matizado y dinámico de las interacciones moleculares que cualquier cosa disponible anteriormente.
“La biología es un sistema dinámico”, dijo a los periodistas el director ejecutivo de DeepMind, Demis Hassabis, en una llamada. “Las propiedades de la biología surgen a través de las interacciones entre diferentes moléculas en la célula, y puedes pensar en AlphaFold 3 como nuestro primer gran paso hacia [modeling] eso.”
AlphaFold 2 nos ayudó a mapear mejor el corazón humanomodelo resistencia antimicrobianae identificar los huevos de aves extintaspero aún no sabemos qué avances traerá AlphaFold 3.
Mohammed AlQuraishi, profesor asistente de biología de sistemas en la Universidad de Columbia que no está afiliado a DeepMind, cree que la nueva versión del modelo será aún mejor para el descubrimiento de fármacos. “El sistema AlphaFold 2 sólo conocía los aminoácidos, por lo que tenía una utilidad muy limitada para la biofarmacia”, afirma. “Pero ahora, el sistema puede, en principio, predecir dónde se une un fármaco a una proteína”.
Isomorphic Labs, una filial de DeepMind para el descubrimiento de fármacos, ya está utilizando el modelo exactamente para ese propósito, colaborando con compañías farmacéuticas para intentar desarrollar nuevos tratamientos para enfermedades, según DeepMind.
AlQuraishi dice que el lanzamiento marca un gran paso adelante. Pero hay salvedades.
“Hace que el sistema sea mucho más general y, en particular, para fines de descubrimiento de fármacos (en investigaciones en etapas iniciales), es mucho más útil ahora que AlphaFold 2”, afirma. Pero como ocurre con la mayoría de los modelos, el impacto de AlphaFold dependerá de qué tan precisas sean sus predicciones. Para algunos usos, AlphaFold 3 tiene el doble de tasa de éxito que modelos líderes similares como RoseTTAFold. Pero para otros, como las interacciones proteína-ARN, AlQuraishi dice que todavía es muy inexacto.