Google DeepMind presenta un modelo de IA de próxima generación para el descubrimiento de fármacos

Google DeepMind ha presentado la tercera versión de su innovador modelo de inteligencia artificial, AlphaFold, cuyo objetivo es mejorar la eficiencia y precisión del diseño de fármacos y el tratamiento de enfermedades.

Este último avance se anunció en Londres el 8 de mayo, lo que marca un importante paso adelante en el uso de la IA en biología molecular.

Mapeo completo de las moléculas de la vida.

Desde su avance inicial en 2020, cuando AlphaFold utilizó IA para predecir el comportamiento de las proteínas, la herramienta ha evolucionado.

La versión actual, desarrollada en colaboración con Isomorphic Labs, ambas empresas bajo el liderazgo del cofundador Demis Hassabis, ha mapeado con éxito las interacciones de todas las estructuras moleculares de la vida, incluido el ADN humano.

Impacto en el descubrimiento de fármacos

La interacción de las proteínas con otras moléculas es crucial en el desarrollo de nuevos medicamentos. Las proteínas desempeñan diversas funciones, desde estimular el metabolismo humano mediante enzimas hasta combatir infecciones mediante anticuerpos.

Según los hallazgos publicados en la revista de investigación Nature, este modelo de IA reduce significativamente tanto el tiempo como los recursos financieros necesarios para desarrollar nuevos tratamientos.

Innovaciones en diseño molecular

Demis Hassabis explicó las capacidades del nuevo AlphaFold durante una rueda de prensa:

"Con estas nuevas capacidades, podemos diseñar una molécula que se unirá a un lugar específico de una proteína y podemos predecir con qué fuerza se unirá".

Destacó la importancia de este avance para el diseño de fármacos y compuestos eficaces para combatir enfermedades.

Servidor AlphaFold: una nueva herramienta para científicos

Además de las mejoras del modelo, Google DeepMind ha lanzado el "servidor AlphaFold". Esta herramienta gratuita en línea permite a los científicos probar sus hipótesis en un entorno simulado antes de realizar experimentos en el mundo real.

Esta iniciativa se basa en el legado de AlphaFold desde 2021, cuando sus predicciones se pusieron a disposición de investigadores no comerciales de forma gratuita a través de una base de datos que contiene más de 200 millones de estructuras de proteínas.

Este recurso ha sido un activo valioso, citado miles de veces en la literatura científica.