AlphaFold se rinde ante las proteínas dinámicas

El 2024 le dio el Nobel de Química a AlphaFold, el modelo de IA que resolvió uno de los grandes enigmas de la biología: predecir la estructura tridimensional de una proteína a partir de su secuencia. Sin embargo, dos estudios publicados en _Nature Methods_ y _Communications Chemistry_ exponen una brecha crítica: el modelo se cae justo donde la biología se vuelve interesante, en las proteínas que se mueven, cambian de forma y regulan funciones celulares clave.

El problema de fondo no es menor. La mayoría de los datasets con los que se entrenó AlphaFold provienen de cristalografía de rayos X, una técnica que congela las proteínas en un estado estático. Alrededor del 85% del Protein Data Bank (PDB) corresponde a estas estructuras rígidas. Pero la realidad es distinta: muchas proteínas, especialmente aquellas involucradas en señalización celular, existen en un equilibrio entre dos o más conformaciones. Son las llamadas proteínas autoinhibidas, que alternan entre un estado abierto (activo) y otro cerrado (inactivo). Cuando una de estas proteínas muta y pierde su capacidad de autoinhibición, se asocia directamente con cáncer y otras enfermedades.

El equipo liderado por Jörg Gsponer, de la Universidad de British Columbia, puso a prueba a AlphaFold2, AlphaFold3 y otras variantes sobre un conjunto de 128 proteínas autoinhibidas. El resultado fue contundente: AlphaFold2 fracasó sistemáticamente en reproducir las estructuras experimentales de estas proteínas. El modelo tiende a predecir una única conformación dominante, la más representada en sus datos de entrenamiento, ignorando por completo la diversidad conformacional que define su función. Curiosamente, cuando el modelo falla, sus propios puntajes de confianza bajan, lo que podría servir como señal de alerta para los investigadores. AlphaFold3 y BioEmu, un emulador entrenado con simulaciones de dinámica molecular, mejoran los resultados, pero todavía no logran capturar con precisión los detalles finos de las estructuras experimentales.

En paralelo, un consorcio internacional liderado por el Instituto de Ciencia y Tecnología de Austria (ISTA) y la Universidad de Columbia propuso una solución: en lugar de usar AlphaFold como predicción final, usarlo como un motor que se deja guiar por datos experimentales. Llamaron a esta herramienta ROCKET, y la describen en _Nature Methods_. ROCKET toma las predicciones de AlphaFold2 y las refina integrando directamente datos de criomicroscopía electrónica (cryo-EM), criotomografía (cryo-ET) y cristalografía de rayos X. La clave está en que optimiza las estructuras en el espacio de los embeddings coevolutivos, no en coordenadas cartesianas. Esto le permite capturar variaciones estructurales que AlphaFold2, por sí solo, no puede ver, especialmente cuando la relación señal-ruido de los datos experimentales es baja. ROCKET no necesita ser reentrenado para cada nuevo caso: es un framework general que conecta observables experimentales con el conocimiento implícito del modelo de IA.

Para los equipos de I+D en Latinoamérica, estas revelaciones tienen implicaciones operativas concretas. Cualquier proyecto de diseño de fármacos o ingeniería de proteínas que dependa exclusivamente de predicciones de AlphaFold corre el riesgo de estar trabajando sobre un modelo incompleto. Las proteínas diana que son alostéricas o autoinhibidas, como quinasas, receptores de membrana o factores de transcripción, requieren un paso adicional de validación experimental. Herramientas como ROCKET, al integrar datos de cryo-EM o cristalografía, permiten automatizar el refinamiento de modelos sin intervención manual intensiva, lo que reduce costos y acelera el pipeline. En un contexto donde el acceso a infraestructura experimental de alta resolución es limitado, la capacidad de ROCKET para trabajar con datos de baja resolución (por ejemplo, de cryo-ET) abre una puerta para que laboratorios con equipamiento modesto puedan obtener modelos atómicos más precisos.

El siguiente paso natural para cualquier organización que invierta en biología computacional es auditar sus pipelines de predicción estructural. Si los puntajes de confianza de AlphaFold2 son bajos para una proteína de interés, no es una falla del modelo: es una señal de que esa proteína probablemente se mueve, y que hay que tratarla como tal. Combinar subsampling de alineamientos múltiples, como sugieren los autores de _Communications Chemistry_, o integrar ROCKET en el flujo de trabajo, puede ser la diferencia entre un modelo útil y uno engañoso. La biología estructural no dejó de ser experimental; ahora, la IA puede hacerla más rápida, pero nunca reemplazará el dato físico.