La herramienta de predicción de proteínas de IA AlphaFold3 ahora está disponible como código abierto

La herramienta de predicción de proteínas de IA AlphaFold3 ahora está disponible como código abierto

AlphaFold3 finalmente está disponible. Seis meses después de Google DeepMind controvertido el código uno Artículos sobre el modelo de predicción de la estructura de proteínas. los científicos ahora pueden descargar el código del software y utilizar la herramienta de inteligencia artificial para aplicaciones no comerciales, anunció la empresa con sede en Londres el 11 de noviembre.

"Estamos muy entusiasmados de ver qué hace la gente con él", dice John Jumper, quien dirige el equipo AlphaFold en DeepMind y se unió al CEO Demis Hassabis el mes pasado. ganó parte del Premio Nobel de Química 2024 por su trabajo en la herramienta de IA.

A diferencia de sus predecesores, AlphaFold3 capaz de modelar proteínas en combinación con otras moléculas. En lugar de publicar el código subyacente, como es el caso de AlfaFold2 Ese fue el caso: DeepMind proporcionó acceso a través de un servidor web que limitó la cantidad y el tipo de predicciones que los científicos podían hacer.

Fundamentalmente, el servidor AlphaFold3 no permitió a los científicos predecir cómo reaccionarían las proteínas en presencia de posibles fármacos. Pero ahora la decisión de DeepMind de publicar el código significa que los científicos académicos pueden predecir tales interacciones ejecutando el modelo ellos mismos.

Inicialmente, la empresa declaró que hacer que AlphaFold3 estuviera disponible sólo a través de un servidor web lograba el equilibrio adecuado entre proporcionar acceso para la investigación y proteger las ambiciones comerciales. Isomorphic Labs, una filial de DeepMind en Londres, está aplicando AlphaFold3 en el descubrimiento de fármacos.

Sin embargo retiró el lanzamiento de AlphaFold3 sin su código o pesos de modelo (Los parámetros obtenidos entrenando el software sobre estructuras de proteínas y otros datos) generaron críticas de científicos que dijeron que la medida socavaba la reproducibilidad. DeepMind rápidamente sacó conclusiones y dijo que una versión de código abierto de la herramienta estaría disponible dentro de seis meses.

Ahora cualquiera puede descargar el código del software AlphaFold3 y utilizarlo de forma no comercial. Sin embargo, actualmente sólo los científicos con afiliaciones académicas tienen acceso a las pesas de entrenamiento previa solicitud.

Versiones accesibles

DeepMind tiene competencia: en los últimos meses, varias empresas han Se presentan herramientas de código abierto para la predicción de la estructura de proteínas basadas en AlphaFold3, que se basan en especificaciones descritas en el artículo original, conocido como pseudocódigo.

Dos empresas chinas, el gigante tecnológico Baidu y el desarrollador de TikTok ByteDance, han lanzado sus propios modelos inspirados en AlphaFold3, al igual que una startup en San Francisco, California, llamada Chai Discovery.

Un inconveniente clave de estos modelos es que ninguno de ellos, como AlphaFold3, tiene licencia para aplicaciones comerciales como el descubrimiento de fármacos, afirma Mohammed AlQuraishi, biólogo computacional de la Universidad de Columbia en la ciudad de Nueva York. Sin embargo, el modelo Chai Discovery, Chai-1, se puede utilizar para este tipo de trabajo a través de un servidor web, explica Jack Dent, cofundador de la empresa.

Otra empresa, Ligo Biosciences de San Francisco, ha lanzado una versión sin restricciones de AlphaFold3. Sin embargo, todavía no tiene toda la gama de funciones, incluida la capacidad de modelar fármacos y moléculas distintas de las proteínas.

Otros equipos están trabajando en versiones de AlphaFold3 que estén disponibles sin tales restricciones: AlQuraishi espera ofrecer un modelo totalmente de código abierto llamado OpenFold3 a finales de este año. Esto permitiría a las compañías farmacéuticas volver a entrenar sus propias versiones del modelo utilizando datos patentados, como las estructuras de proteínas unidas a diferentes medicamentos, lo que podría mejorar el rendimiento.

La apertura cuenta

El año pasado se produjo una avalancha de nuevos modelos biológicos de IA de empresas con diferentes enfoques de apertura. Anthony Grid, biólogo computacional de la Universidad de Wisconsin-Madison, no tiene ningún problema con que las empresas comerciales entren en su campo, siempre y cuando sigan las mismas reglas que otros científicos al compartir su trabajo en revistas y servidores de preimpresión.

Si DeepMind hace afirmaciones sobre AlphaFold3 en una publicación científica, "esperaría que también compartieran información sobre cómo se hicieron las predicciones y proporcionaran los modelos y el código de IA de manera que podamos probarlos", añade Grid. "Mi grupo no utilizará herramientas que no podamos verificar".

El hecho de que ya hayan surgido varias réplicas de AlphaFold3 muestra que el modelo era reproducible, incluso sin código fuente abierto, dice Pushmeet Kohli, director de IA para la ciencia en DeepMind. Añade que le gustaría ver más debates en el futuro sobre los estándares de publicación en un campo cada vez más poblado por investigadores académicos y corporativos.

La naturaleza de código abierto de AlphaFold2 provocó una oleada de innovación por parte de otros científicos. Por ejemplo, los ganadores de un reciente concurso de modelado de proteínas utilizaron la herramienta de IA para diseñar nuevas proteínas que puedan unirse a un objetivo canceroso. El truco AlphaFold2 favorito de Jumper proviene de un equipo que utilizó la herramienta para para identificar una proteína importante que ayuda a los espermatozoides a unirse a los óvulos.

Jumper no puede esperar a ver qué sorpresas surgen después del lanzamiento de AlphaFold3, incluso si no siempre tienen éxito. "La gente lo utilizará de formas extrañas", predice. "A veces fracasará y otras veces tendrá éxito".