Antes de AlphaFold, predecir la estructura tridimensional de una prote\u00edna mediante m\u00e9todos experimentales como cristalograf\u00eda de rayos X, resonancia magn\u00e9tica nuclear (RMN) o microscop\u00eda crioelectr\u00f3nica pod\u00eda tomar entre 2 y 5 a\u00f1os, con costos de cientos de miles de d\u00f3lares por estructura. Este proceso, limitado por la paradoja de Levinthal, que suger\u00eda tiempos de c\u00e1lculo mayores a la edad del universo, ralentizaba la investigaci\u00f3n biol\u00f3gica, con solo 170,000 estructuras determinadas en 60 a\u00f1os frente a 200 millones de prote\u00ednas conocidas. AlphaFold, desarrollado por Google DeepMind, cambi\u00f3 esto al predecir estructuras en segundos a horas con una precisi\u00f3n comparable (GDT ~90-92.4). En octubre de 2024, Demis Hassabis, John Jumper y David Baker recibieron el Premio Nobel de Qu\u00edmica por este avance. A continuaci\u00f3n, se detallan los principales desarrollos de AlphaFold desde octubre de 2024 hasta agosto de 2025.<\/p>\n\n\n\n
En noviembre de 2024, Google DeepMind liber\u00f3 el c\u00f3digo y los pesos del modelo de AlphaFold 3 para uso acad\u00e9mico no comercial, respondiendo a la demanda de mayor accesibilidad. A diferencia de AlphaFold 2, de c\u00f3digo abierto, AlphaFold 3 incluy\u00f3 restricciones iniciales por su complejidad y aplicaciones comerciales. La liberaci\u00f3n vino acompa\u00f1ada del AlphaFold Server, una interfaz p\u00fablica que permite a investigadores modelar prote\u00ednas, ADN, ARN y ligandos para fines no comerciales. Esta iniciativa democratiz\u00f3 el acceso a herramientas de IA, facilitando avances en biolog\u00eda estructural y dise\u00f1o de medicamentos.<\/p>\n\n\n\n
La base de datos de AlphaFold (AlphaFold DB), en colaboraci\u00f3n con EMBL-EBI, alcanz\u00f3 214 millones de estructuras predichas en enero de 2024, un aumento significativo desde las 360,000 de 2021. Entre octubre de 2024 y agosto de 2025, se integraron nuevas secuencias de organismos modelo, proteomas clave para la salud global y datos de UniProt. Mejoras como b\u00fasqueda por similitud con BLAST, una interfaz optimizada y herramientas de visualizaci\u00f3n 3D han acelerado descubrimientos en biolog\u00eda computacional y dise\u00f1o de f\u00e1rmacos.<\/p>\n\n\n\n
Para enero de 2025, AlphaFold fue utilizado por m\u00e1s de 2.5 millones de usuarios en 190 pa\u00edses, impulsando investigaciones en inmunidad de cultivos, resistencia bacteriana, vacunas contra la malaria, tratamientos oncol\u00f3gicos y enzimas degradadoras de pl\u00e1sticos. La base de datos AlphaFold DB registr\u00f3 m\u00e1s de 23,000 descargas, y hasta enero de 2023, 850 entradas en el Protein Data Bank (PDB) estaban vinculadas a AlphaFold, con un 60% asociadas a estructuras de cryo-EM. Para mayo de 2025, AlphaFold 3 hab\u00eda modelado millones de interacciones moleculares, consolidando su rol en la ciencia.<\/p>\n\n\n\n
Lanzado en mayo de 2024, AlphaFold 3 ampli\u00f3 las capacidades de su predecesor al predecir estructuras de complejos con ADN, ARN, ligandos, iones y modificaciones post-traduccionales. Desde octubre de 2024, mejoras en su arquitectura basada en difusi\u00f3n, con un m\u00f3dulo \u00abPairformer\u00bb optimizado, han incrementado la precisi\u00f3n en un 50% para interacciones prote\u00edna-ligando, duplic\u00e1ndola en algunas categor\u00edas. Estas mejoras han fortalecido su uso en el descubrimiento de f\u00e1rmacos, aunque persisten retos como errores estereoqu\u00edmicos (~4.4% de problemas de quiralidad) y limitaciones en regiones desordenadas o din\u00e1micas moleculares.<\/p>\n\n\n\n
El Premio Nobel de 2024 fue acompa\u00f1ado por galardones como el Clarivate Citation Laureate y el Premio de Ciencias M\u00e9dicas Keio. En 2025, Google DeepMind y EMBL-EBI organizaron cumbres educativas para 45 investigadores internacionales, integrando retroalimentaci\u00f3n para mejorar AlphaFold. Futuros desarrollos buscan modelar din\u00e1micas de prote\u00ednas en entornos celulares y perfeccionar predicciones de ARN. Adem\u00e1s, Google DeepMind e Isomorphic Labs exploran aplicaciones en qu\u00edmica sostenible y edici\u00f3n gen\u00f3mica con CRISPR, como la modelaci\u00f3n de CasLambda.<\/p>\n\n\n\n
Desde octubre de 2024, AlphaFold ha evolucionado de un avance premiado con el Nobel a una herramienta accesible y esencial para la ciencia. La liberaci\u00f3n del c\u00f3digo de AlphaFold 3, la expansi\u00f3n de su base de datos, su adopci\u00f3n global y mejoras t\u00e9cnicas han transformado la biolog\u00eda, la medicina y la qu\u00edmica sostenible. Reduciendo el tiempo de predicci\u00f3n de estructuras proteicas de a\u00f1os a segundos, AlphaFold sigue revolucionando la investigaci\u00f3n, con planes para abordar din\u00e1micas moleculares y aplicaciones en edici\u00f3n gen\u00e9tica, manteniendo su compromiso con la accesibilidad gratuita para la comunidad cient\u00edfica.<\/p>\n","protected":false},"excerpt":{"rendered":"
Antes de AlphaFold, predecir la estructura tridimensional de una prote\u00edna mediante m\u00e9todos experimentales como cristalograf\u00eda de rayos X, resonancia magn\u00e9tica nuclear (RMN) o microscop\u00eda crioelectr\u00f3nica pod\u00eda tomar entre 2 y 5 a\u00f1os, con costos de cientos de miles de d\u00f3lares por estructura. Este proceso, limitado por la paradoja de Levinthal, que suger\u00eda tiempos de c\u00e1lculo […]<\/p>\n","protected":false},"author":2,"featured_media":1170,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1167","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-researchland"],"yoast_head":"\n