Google DeepMind, la empresa de inteligencia artificial detrás de la popular herramienta Alphafold, ha publicado la próxima generación del software de predicción de la estructura de proteínas de la aplicación. La nueva herramienta puede predecir la estructura y las interacciones de una serie de moléculas, incluidos ácidos nucleicos, ligandos de moléculas pequeñas y modificadores macromoleculares.naturaleza 2024, DOI: 10.1038/s41586-024-07487-w)”. Cada vez que di una interacción AlphaFold2. . . La gente siempre me pregunta, esto es realmente genial, pero tengo una proteína de unión al ADN. ¿Puedes decirme cómo se vincula con el ADN? Dijo el director de Google DeepMind, John Jumper, durante una conferencia de prensa. A diferencia de versiones anteriores, AlphaFold3, que fue codificado con la compañía farmacéutica Isomorphic Labs y anunciado por primera vez en octubre, puede abordar este tipo de interacciones.
AlphaFold3 comparte muchas capacidades con el modelo RoseTTAFold-All Atom publicado recientemente. Aunque carece de la capacidad de RoseTTAFold para diseñar nuevas proteínas, AlphaFold3 tiene una ventaja importante: un nuevo servidor web con una interfaz sencilla que no requiere codificación por parte del usuario. Permite a cualquier persona con una cuenta de Google ingresar el nombre de una proteína o ácido nucleico y generar predicciones sobre la estructura de los complejos que forma con otras moléculas.
Durante la conferencia de prensa, Julian Bergeron, biólogo del King’s College de Londres que ayudó a probar AlphaFold3, predijo: «Todos los grupos de investigación de biología estructural y bioquímica de proteínas del mundo adoptarán esto de inmediato».
Alerta de usuario casual: AlphaFold3 predecirá la estructura más probable de cualquier combinación de moléculas de entrada, independientemente de si realmente interactúan o no. Según Max Jederberg, director de IA de Isomorphic, el modelo asigna puntuaciones de confianza bajas a complejos que no se espera que ocurran en el mundo real. Su equipo está trabajando en métodos para predecir las afinidades de unión, lo que ayudará a identificar interacciones específicas y ayudará en los esfuerzos de diseño de fármacos de Isomorphic.
