Como físico que ha pasado gran parte de su carrera traduciendo las leyes del Universo en líneas de código, he visto muchas tecnologías prometer “revoluciones”, pero muy pocas han impactado a la comunidad científica con la fuerza de AlphaFold2.

Durante cincuenta años, el santo grial de la biología ha sido el problema del “plegamiento de proteínas”. Se conocían las secuencias de aminoácidos (el “manual de instrucciones” 1D), pero no se podía predecir de forma fiable la forma 3D que adoptarían. En términos físicos, se trata de un problema de minimización de energía de complejidad astronómica.

La física del plegamiento

Las proteínas son las máquinas de la vida a nivel molecular. Su función está determinada completamente por su geometría. Si imaginamos una proteína como una llave, su forma 3D está constituida por los dientes que deben encajar en una cerradura específica. Históricamente, determinar esta forma requería años de trabajo de laboratorio extremadamente exigente mediante cristalografía de rayos X o microscopía crioelectrónica.

AlphaFold2 cambió las reglas del juego al tratar el plegamiento proteico como un problema de razonamiento espacial. En lugar de limitarse a procesar números, utiliza una arquitectura basada en transformers, la misma lógica detrás de los LLM, para prestar atención a las relaciones entre aminoácidos distantes. Predice cómo interactuarán en el espacio, aprendiendo de hecho la “gramática” de la física molecular.

Por qué ahora fue el punto de inflexión

Aunque el sistema se presentó hace algunos años, 2024 fue el año en que el mundo reconoció plenamente su magnitud.

• El Premio Nobel: En octubre de 2024, el Premio Nobel de Química fue otorgado a Demis Hassabis y John Jumper de Google DeepMind (compartido con David Baker). Fue un momento histórico, la primera vez que un descubrimiento impulsado por IA recibió el mayor reconocimiento científico.
• El mapa de 200 millones: Para 2024, la base de datos AlphaFold Protein Structure (en colaboración con EMBL-EBI) había mapeado casi todas las proteínas conocidas por la ciencia. Pasamos de conocer la estructura de unos pocos cientos de miles de proteínas a más de 200 millones.

El paso a AlphaFold3

A medida que entramos en 2025, el enfoque ha pasado del simple “plegamiento” a la interacción.

• Más allá de las proteínas: Mientras que AlphaFold2 se centraba en la proteína en sí, el nuevo AlphaFold 3 puede predecir cómo las proteínas interactúan con ADN, ARN y ligandos (las pequeñas moléculas que se convierten en fármacos).
• Descubrimiento de fármacos: Aquí es donde el mundo del cálculo se encuentra con la farmacología. Ahora podemos simular cómo un nuevo candidato a fármaco se unirá a una proteína objetivo con una precisión sin precedentes, reduciendo potencialmente años del ciclo de desarrollo para todo, desde tratamientos contra el cáncer hasta enzimas capaces de degradar plástico.

Como dice mi socia Angelia: “la tecnología es la escalera, no el destino”. AlphaFold2 no es y no debe “hacer la ciencia” por nosotros, sino que proporciona el mapa para finalmente comenzar el viaje. Ha desbloqueado el cuello de botella de la biología estructural, transformándolo en un flujo digital de datos.