Ciudad de México, CDMX. - La inteligencia artificial AlphaFold 2, desarrollada por Google DeepMind, ha logrado predecir más de 260 millones de estructuras de proteínas, según expertos que participaron en la reciente conferencia "AI y estructura de proteínas" del Colegio Nacional. Esta cifra marca un notable aumento de las 132 mil estructuras previamente conocidas, lo que resalta el impacto transformador de esta tecnología en el estudio biomolecular.
Durante la conferencia, Mariana Peimbert Torres, de la Universidad Autónoma Metropolitana, expuso que la estructura de las proteínas es fundamental para sus interacciones con otras moléculas, y cualquier cambio en estas interacciones puede alterar su función. Asimismo, enfatizó que AlphaFold 2 ha facilitado el acceso a una gran cantidad de información sobre la secuencia y estructura de las proteínas, lo que representa un avance significativo en comparación con los métodos experimentales tradicionales.
Antonio Lazcano, miembro de El Colegio Nacional, destacó la visión pionera de Margaret Dayhoff al integrar herramientas computacionales con biología molecular en los años 60. Refirió que el uso de IA ahora permite comparaciones más efectivas entre secuencias de proteínas, llevándolas a nuevas aplicaciones en el campo científico.
El especialista Sergio Romero, del Instituto de Fisiología Celular de la UNAM, indicó que la IA organiza y digiere una vasta cantidad de información biológica histórica para prever las estructuras de las proteínas. A pesar de estos avances, subrayó que los experimentos de validación siguen siendo esenciales para confirmar las predicciones que la IA realiza.
Se estima que, actualmente, hay alrededor de 261 millones de modelos de proteínas accesibles públicamente a través de AlphaFold. La comunidad científica sigue investigando cómo combinar los datos generados por la IA con métodos experimentales, para seguir avanzando en la comprensión de la biología molecular.
Con información de colnal.mx

