En este momento estás viendo 
<span class="bsf-rt-reading-time"><span class="bsf-rt-display-label" prefix="Tiempo de lectura"></span> <span class="bsf-rt-display-time" reading_time="1"></span> <span class="bsf-rt-display-postfix" postfix="mins"></span></span><!-- .bsf-rt-reading-time -->Qué sigue para AlphaFold: una conversación con un premio Nobel de Google DeepMind

Qué sigue para AlphaFold: una conversación con un premio Nobel de Google DeepMind

  • Autor de la entrada:
  • Categoría de la entrada:Noticias externas

RESUMEN EJECUTIVO

Las proteínas están formadas por cadenas de aminoácidos que las fuerzas químicas retuercen formando nudos complejos. Una cuerda sin torcer da pocas pistas sobre la estructura que formará. En teoría, la mayoría de las proteínas podrían adoptar una cantidad astronómica de formas posibles. La tarea es predecir el correcto.

También destaca algunos ejemplos de lo que él llama usos no autorizados de AlphaFold, “en el sentido de que no se garantizaba que funcionara”, donde la capacidad de predecir estructuras de proteínas ha abierto nuevas técnicas de investigación. “El primero son, muy obviamente, los avances en el diseño de proteínas”, dice. “David Baker y otros han trabajado absolutamente con esta tecnología”.

Kliment Verba es un biólogo molecular que dirige un laboratorio en la Universidad de California en San Francisco. “Es una tecnología increíblemente útil, de eso no hay duda”, me dice. “Lo usamos todos los días, todo el tiempo”.

El mes pasado, la startup Genesis Molecular AI lanzó otro modelo de predicción de estructura llamado Pearl

Publicado originalmente en technologyreview.com el 24 de noviembre de 2025.
Ver fuente original

admin

Usuario de administración del sitio web