El sistema de Google DeepMind predice en minutos la estructura de proteínas, ADN y fármacos — una tarea que costaba años y millones en laboratorio. Sus creadores recibieron el Premio Nobel de Química 2024.
En el corazón de casi todas las enfermedades que amenazan a la humanidad — el cáncer, el Alzheimer, las infecciones resistentes a antibióticos — hay una molécula que falla. Una proteína que adopta una forma equivocada, un receptor que no responde como debería, una cadena de ADN que se rompe en el lugar incorrecto. Entender esas fallas, a nivel molecular, ha sido durante décadas uno de los mayores desafíos de la ciencia. AlphaFold3, el sistema de inteligencia artificial desarrollado por Google DeepMind, está cambiando eso a una velocidad que pocos anticiparon.
El problema que AlphaFold resuelve se conoce como el problema del plegamiento de proteínas. Una proteína es una cadena de aminoácidos que, al formarse, se dobla espontáneamente en una estructura tridimensional específica. Esa forma determina su función. Y si la forma falla, viene la enfermedad. Determinar experimentalmente esa estructura — usando técnicas como la cristalografía de rayos X o la criomicroscopía electrónica — podía tomar años de trabajo en laboratorio y millones de dólares. AlphaFold3 lo hace en minutos, con una precisión que rivaliza con los métodos experimentales.
La versión 3 del sistema representó un salto cualitativo respecto a sus predecesoras. AlphaFold2, lanzada en 2020, ya había sacudido al mundo científico al predecir con alta precisión la estructura de casi todas las proteínas conocidas — más de 200 millones de estructuras catalogadas en una base de datos pública. Pero AlphaFold3 fue más allá: incorpora la capacidad de modelar no solo proteínas, sino también moléculas de ADN, ARN, pequeñas moléculas farmáceuticas y las interacciones entre todas ellas. Eso abre la puerta a predecir cómo un medicamento experimental se acoplará a una proteína objetivo antes de sintetizar una sola molécula en el laboratorio.
| 📌 AlphaFold3 — Datos clave | |
| Desarrollador | Google DeepMind (Reino Unido) |
| Función principal | Predicción de estructura 3D de proteínas, ADN, ARN y moléculas farmacéuticas |
| Velocidad | Minutos vs. años en métodos experimentales tradicionales |
| Versión anterior | AlphaFold2 (2020): catalogó más de 200 millones de estructuras de proteínas |
| Innovación v3 | Modela interacciones entre proteínas, ADN, ARN y fármacos simultáneamente |
| Acceso | Gratuito para investigadores a través del AlphaFold Server |
| Premio Nobel | Química 2024 — Demis Hassabis y John Jumper (Google DeepMind) |
| Aplicaciones | Diseño de fármacos, enfermedades neurodegenerativas, cáncer, resistencia antimicrobiana |
Las implicaciones prácticas son profundas. Las farmacéuticas pueden ahora realizar lo que se conoce como docking molecular computacional — simular el acoplamiento entre un candidato a fármaco y su diana biológica — con una precisión y velocidad sin precedentes. Esto comprime las primeras etapas del desarrollo de medicamentos de lustros a semanas. Investigadores en todo el mundo están usando AlphaFold3 para explorar tratamientos contra el Alzheimer, el Parkinson, distintos tipos de cáncer y bacterias resistentes a los antibióticos, entre otras condiciones.
El reconocimiento científico no tardó en llegar. En octubre de 2024, la Academia Sueca de Ciencias otorgó el Premio Nobel de Química a Demis Hassabis, CEO de Google DeepMind, y a John Jumper, investigador principal del proyecto, por el desarrollo de AlphaFold. El comité del Nobel calificó el trabajo como uno de los avances más importantes en la historia de la biología computacional. El tercer Nobel de Química de ese año fue para David Baker, de la Universidad de Washington, por su trabajo paralelo en diseño computacional de proteínas.
Google DeepMind ha mantenido el acceso gratuito al AlphaFold Server para la comunidad investigadora global, lo que ha democratizado una capacidad que antes solo estaba al alcance de grandes laboratorios farmacéuticos con presupuestos multimillonarios. Universidades en países en desarrollo, incluyendo instituciones mexicanas, pueden hoy usar la misma herramienta que los laboratorios más avanzados del planeta.