AlphaFold se publica entero, y con él el proteoma humano
🟢 Básico · Importante · 5 min de lectura
DeepMind ha hecho lo que casi nadie hace después de ganar: contarlo todo y
regalar el resultado. El código de AlphaFold es abierto, el método está
publicado en Nature, y desde ayer existe una base de datos con la estructura
predicha de prácticamente todas las proteínas humanas.
Qué ha pasado
El método de la última versión de AlphaFold y su código fuente se han publicado
en Nature, con dos artículos que salieron el 15 y el 22 de julio. El código
está disponible como software libre.
Y el 22 de julio DeepMind anunció junto al Laboratorio Europeo de Biología
Molecular la base de datos más completa hasta la fecha de estructuras predichas
del proteoma humano. Cubre las aproximadamente 20.000 proteínas que expresa el
genoma humano, y los datos son libres y abiertos para toda la comunidad
científica.
Conviene medir lo que significa eso. Determinar la estructura de una sola
proteína en el laboratorio podía llevar meses o años de trabajo. Ahora hay
veinte mil predicciones descargables.
Por qué importa
El plegamiento de proteínas llevaba cincuenta años siendo un problema abierto.
Una proteína es una cadena de aminoácidos que se pliega en una forma
tridimensional concreta, y esa forma determina lo que la proteína hace. Saber
la secuencia es fácil. Saber la forma que adopta era el problema.
Que AlphaFold lo resolviera con buena precisión ya era noticia el año pasado.
Que publiquen el código y regalen las predicciones es una noticia distinta y,
para quien trabaja fuera de DeepMind, más importante.
Aquí hay una lección que va más allá de la biología. Un resultado que no se
puede reproducir es un anuncio. Un resultado con el código publicado es una
herramienta. La diferencia entre las dos cosas es lo que separa una nota de
prensa de un cambio real en cómo trabaja un campo entero.
Lo que no sabemos todavía
Son predicciones, no medidas. AlphaFold da además una estimación de su propia
confianza para cada región de la proteína, y esa estimación es tan importante
como la predicción: hay zonas donde acierta con precisión casi experimental y
zonas donde no, y confundirlas sería un error caro.
Tampoco resuelve todo el problema. Predice la forma de una proteína aislada, no
cómo interactúan varias entre sí, ni cómo se mueven, que es donde ocurre buena
parte de la biología interesante.
Y queda por ver cuánto tarda esto en convertirse en algo útil de verdad. Una
estructura predicha no es un fármaco. Es un punto de partida mucho mejor que el
que había.
Qué haría yo esta semana
Si trabajas cerca de la biología computacional, descargar la base de datos y
mirar los valores de confianza antes que las formas. Si no, quedarse con el
patrón: el equipo que iba en cabeza publicó el método y regaló los resultados,
y eso ha acelerado a todo el mundo de golpe.
Es un buen argumento para la próxima vez que alguien defienda que lo mejor de
un modelo es tenerlo cerrado.