AlphaFold3 promete una revolución en la IA, pero los expertos tienen dudas

Date:

Vivimos en una realidad en la que las herramientas de inteligencia artificial cada vez ocupan más y más aspectos de nuestra vida diaria. Los usos más habituales de la IA van desde el reconocimiento de voz de los dispositivos inteligentes hasta la generación de textos e imágenes mediante herramientas online. Sin embargo, aunque estas herramientas cada vez están más presentes, muchos campos científicos llevan años empleando modelos predictivos e IA para avanzar en el conocimiento de cómo funciona la vida en nuestro planeta.

Recientemente, el equipo de DeepMind, la compañía de IA de Google, ha presentado AlphaFold3, la última versión de una herramienta que promete revolucionar la creación de nuevos medicamentos. Para ello, esta herramienta no solo predice la estructura de los componentes biológicos, sino que también analiza las interacciones entre ellos. 

Para asegurarse que esta herramienta puede utilizarse en los laboratorios de todo el mundo, Google ha creado un entorno virtual de acceso abierto en el que los investigadores puedan predecir los componentes moleculares que se encuentren estudiando. De este modo la IA permitirá descartar moléculas cuya interacción no es la esperada, y permitirá focalizar el trabajo en las que el modelo predictivo considere más adecuadas. Si tú también quieres probarlo, te dejamos aquí el enlace.

Un Secreto oscuro

Sin embargo, no todos los investigadores están a favor de esta herramienta, y mucho menos de la forma en que fue anunciada al mundo. De hecho, tal fue el descontento que la semana posterior al lanzamiento de AlphaFold3, 650 científicos firmaron una carta en la que acusaban a DeepMind de falta de transparencia, y a la revista Nature de haber permitido la publicación de un artículo que no cumplía con los estrictos estándares de calidad de la revista.

En la carta, que se filtró el 11 de mayo y fue publicada oficialmente el 14 de ese mismo mes, se puede leer que la principal queja de los investigadores emerge de que no se haya publicado el código subyacente a la IA. En una revista como Nature, el fin debería ser la transmisión del conocimiento para que otros investigadores puedan construir desde unas bases sólidas. Por ello, en los artículos que contienen cualquier aspecto informático, la revista exige que se publique el código tras la herramienta. Sin embargo, parecen haber hecho una excepción con DeepMind. Esta empresa se escuda en las cláusulas de confidencialidad con respecto al desarrollo de productos, un movimiento que no convence al resto de la comunidad científica.

Como explica James Fraser, biólogo estructural de la Universidad de San Francisco, California a la revista Science; sería el equivalente a que los policías permitiesen a ciertos vehículos cometer infracciones de todo tipo, como sobrepasar el límite de velocidad, mientras que a otros les retirasen el carnet por no detener completamente el vehículo ante una señal de Stop.

Por otro lado, el «acceso libre y gratuito» tiene un gran inconveniente a la hora de llevar a cabo experimentos. Todo ocurre a través de un servidor que, en la actualidad, solo permite realizar 20 experimentos diarios y que podría tener ciertos problemas de seguridad. Ante estas críticas, John Jumper, responsable del proyecto, respondió en una entrevista a la revista Fortune que el riesgo de robo de información era mínimo, especialmente en comparación con los beneficios a la comunidad científica, por lo que decidieron seguir adelante con el lanzamiento.

La niña prodigio de Google

Los orígenes de AlphaFold se remontan a 2018. Ese año, los investigadores entrenaron a su IA con los datos de más de 100.000 proteínas conocidas. Una vez completaron el entrenamiento, AlphaFold entró pisando fuerte en el mundo de la bioquímica, ya que resultó ganadora del CASP13. Este evento es todo un fenómeno de masas en la ciencia y está considerado como la “copa del mundo” de biología molecular. En él, cientos de equipos de todo el mundo tratan de predecir la estructura de alguna de las proteínas del cuerpo humano de la forma más precisa posible. Una vez finaliza el evento, laboratorios externos confirman cómo de cerca o de lejos se encontraban los investigadores en sus predicciones.

En su primer año como participante, AlphaFold barrió a la competencia. Sus predicciones fueron las más certeras con mucha diferencia. Esta derrota supuso un punto de inflexión en la carrera de muchos investigadores, que vieron como la IA podía emplearse para generar este conocimiento de forma prácticamente instantánea y con un nivel de precisión muy elevado, comparable o mejor al de personas con décadas de experiencia. Ahora bien, aunque el avance era impresionante, seguramente ninguno de los presentes estaba preparado para lo que vino después.

En 2020, cuando se celebró el CASP14, DeepMind presentó AlphaFold2, la siguiente evolución de la herramienta que había ganado la edición anterior. Pero no contentos con ello, anunciaron que actualmente estaban trabajando en una primera edición del proteoma humano, es decir, estaban prediciendo la estructura de las más de 350.000 proteínas distintas que conforman al ser humano. Se trataba de una tarea titánica que fue acogida con escepticismo por la comunidad. Muchos lo dieron por imposible, ya que el volumen de trabajo equivalía a miles de años de investigación.

En julio de 2021 la primera versión estaba lista.

Pero sin duda, la gran noticia para los laboratorios fue que, en colaboración con el Instituto Europeo de Bioinformática del EMBL, todas las predicciones proteicas iban a estar disponibles de forma gratuita en la web. Pronto, el artículo científico en el que se explica la metodología de AlphaFold2 se convirtió en uno de los 500 artículos más citados de la historia.

Esta no es su forma final

Lejos de contentarse con las proteínas humanas, pusieron su IA a predecir las más de 200 millones de proteínas que se conocen en todos los organismos del mundo. Tan solo un año después, en julio de 2022, DeepMind anunció que lo habían conseguido. En palabras de Jumper, esos resultados marcaron el inicio de una nueva era en la biología molecular. Y no es para menos. Experimentos que tardaban décadas o años ahora podían hacerse desde casa en muy poco tiempo. Sin embargo, todavía necesitaba una pequeña evolución para que esta herramienta fuese más útil.

AlphaFold2 permite predecir la estructura que adoptan las proteínas en su medio. Pero lo realmente importante de esta estructura es que se trata del estado en el que interaccionan unas con otras, como piezas de un puzle biológico. Si tienen la forma adecuada, encajarán unas con otras y formarán algo más grande. Para montar el puzle todavía se necesitaba interacción humana. Es decir, AlphaFold2 te lanzaba todas las piezas del puzle encima de la mesa, pero cada investigador tenía que ir probando pieza a pieza si encajaban.

O por lo menos, esto era así hasta mayo de 2024. El 7 de mayo, DeepMind anunció que AlphaFold3 estaba lista y disponible para cualquiera que quisiera predecir las interacciones entre las moléculas básicas de la vida. Y es que ahora ya no son solo proteínas, esta herramienta es capaz de predecir cómo interaccionan moléculas como el ADN, el ARN u otros ligandos vitales para el metabolismo.

Demasiadas sombras a pesar de las luces

Sin embargo, la herramienta dista mucho de ser perfecta. Como indicaba Mohammed AlQuraishi, profesor adjunto de biología de sistemas en la Universidad de Columbia, en una entrevista para el MIT; aunque las interacciones entre proteínas tienen un gran parecido con la realidad biológica, el modelo predictivo es todavía bastante inexacto con las interacciones que involucran ARN.

Desde Google aseguran que estas mejoras son solo cuestión de tiempo y de seguir entrenando el modelo con datos robustos revisados por laboratorios de todo el mundo. Aunque antes, han de acabar de pulir ciertos aspectos de la IA que le hacen “alucinar” con moléculas teóricamente posibles, pero sin sentido biológico.

Aunque sin duda, la mayor preocupación de la comunidad científica es la falta de transparencia de DeepMind, y que la editorial científica Nature haya hecho excepciones con esta empresa a la hora de seguir sus propias normas de publicación. Aunque se trata de un avance con un enorme potencial en el campo de la biología molecular, AlphaFold 3 también ha sentado un precedente peligroso. Para que la investigación científica sea justa, todos sus integrantes han de regirse por las mismas normas, sea cual sea su apellido.

Leer más

Compartir:

Subscribe

Popular

Le puede interesar
Related

Tu signo del zodíaco ha cambiado, y esta es la razón científica

Posiblemente te haya parecido un hecho fruto de la...

De 2015 a 2024: Rodri, Unai Simón y Mikel Merino, los eternos de De la Fuente

Luis de la Fuente, el carismático entrenador que ha...