Deep Mind Demis Hassabis y el futuro de la IA

Demis Hassabis es el CEO y cofundador de DeepMind y tuvo una gran charla con Lex Fridman sobre IA.

DeepMind venció a los mejores jugadores humanos con Go y también crearon la mejor IA para el ajedrez. DeepMind también creó AlphaFold 2, que ha resuelto el plegamiento de proteínas.

Dado que las matemáticas avanzadas y el cálculo fueron fundamentales para el progreso de la física, parece que la IA podrá acelerar el avance de la ciencia de la biología.

A continuación, un artículo en Nature describe el impacto y las limitaciones actuales de Alphafold 2. Alphafold 2 y los investigadores deberán trabajar juntos para probar más proteínas y generar más datos. Más datos ayudarán a mejorar Alphafold 2 y su precisión predictiva.

Todavía queda trabajo por hacer, pero esto está mejorando el descubrimiento de fármacos utilizando proteínas y podría ayudar a resolver cinco grandes desafíos que son posibles con proteínas diseñadas.

Parece que el software DeepMind es una herramienta muy poderosa para áreas con grandes cantidades de datos y complejidad.

También han podido usarlo para pronosticar cómo ajustar los campos magnéticos para contener plasma para la fusión nuclear.

Arriba: una vista de arriba hacia abajo del complejo de poros nucleares humanos, la máquina molecular más grande en las células humanas. Crédito: Agnieszka Obarska-Kosinska

Naturaleza: ¿Qué sigue para AlphaFold y la revolución del plegamiento de proteínas de IA?

El software DeepMind que puede predecir la forma 3D de las proteínas ya está cambiando la biología.

Durante más de una década, el biólogo molecular Martin Beck y sus colegas han intentado armar uno de los rompecabezas más difíciles del mundo: un modelo detallado de la máquina molecular más grande en las células humanas.

Este gigante, llamado complejo de poros nucleares, controla el flujo de moléculas dentro y fuera del núcleo de la célula, donde se encuentra el genoma. Cientos de estos complejos existen en cada célula. Cada uno está compuesto por más de 1,000 proteínas que juntas forman anillos alrededor de un agujero a través de la membrana nuclear.

Estas 1,000 piezas de rompecabezas se extraen de más de 30 bloques de construcción de proteínas que se entrelazan de innumerables maneras. Para hacer el rompecabezas aún más difícil, las formas 3D determinadas experimentalmente de estos bloques de construcción son un popurrí de estructuras reunidas de muchas especies, por lo que no siempre encajan bien. Y la imagen en la caja del rompecabezas, una vista en 3D de baja resolución del complejo de poros nucleares, carece de detalles suficientes para saber cuántas de las piezas encajan con precisión.

En julio de 2021, DeepMind, parte de Alphabet, la empresa matriz de Google, hizo pública una herramienta de inteligencia artificial (IA) llamada AlphaFold2. El software podría predecir la forma 3D de las proteínas a partir de su secuencia genética, en su mayor parte, con una precisión milimétrica.

En algunos casos, la IA ha ahorrado tiempo a los científicos; en otros, ha hecho posible investigaciones que antes eran inconcebibles o muy poco prácticas. Tiene limitaciones, y algunos científicos encuentran que sus predicciones son demasiado poco confiables para su trabajo. Pero el ritmo de experimentación es frenético.

El 15 de julio de 2021, aparecieron documentos que describían RoseTTAFold y AlphaFold2, junto con código de fuente abierta disponible gratuitamente y otra información necesaria para que los especialistas ejecuten sus propias versiones de las herramientas. Una semana después, DeepMind anunció que había utilizado AlphaFold para predecir la estructura de casi todas las proteínas producidas por humanos, así como los 'proteomas' completos de otros 2 organismos ampliamente estudiados, como ratones y la bacteria Escherichia coli: más de 20 365,000 estructuras en total.

Este año, DeepMind planea lanzar un total de más de 100 millones de predicciones de estructuras. Eso es casi la mitad de todas las proteínas conocidas, y cientos de veces más que la cantidad de proteínas determinadas experimentalmente en el depósito de estructuras del Protein Data Bank (PDB).