AlphaFold no resolvió el plegamiento de proteínas

AlphaFold resolvió una parte del problema, no el problema

Pushmeet Kohli, vicepresidente de AI for Science en Google DeepMind, y Sal Candido, de Biohub, coincidieron en un panel de Latent Space en algo que incomoda al relato dominante: el plegamiento de proteínas no está resuelto. Kohli fue explícito: lo que AlphaFold aprendió a replicar fue la estructura que alguien obtuvo y depositó en el PDB. Que eso sea útil no significa que se entienda la dinámica de las proteínas.

El número que ordena la conversación: AlphaFold 2 alcanzó un GDT de alrededor de 90 en el set de evaluación de su momento, según recordó Kohli en el panel. Es un resultado sobresaliente para predecir una conformación estática, y muy limitado para describir proteínas desordenadas que cambian de forma según el contexto. Las proteínas no son bloques, dijo, aunque todos las llamemos así.

El panel ocurrió en el marco de un anuncio que mueve mucho más que una conversación académica. La Virtual Biology Initiative se lanzó en abril de 2026 como esfuerzo a cinco años, según unite.ai, y el 7 de octubre de 2026 sumó una expansión de financiamiento. SiliconANGLE reportó que el consorcio comprometió US$1.800 millones: el Departamento de Energía de Estados Unidos aporta más de US$500 millones en cinco años, Biohub US$400 millones y Google DeepMind, Isomorphic Labs y Meta US$300 millones en conjunto.

Por qué el bitter lesson no alcanza en biología

La idea de que los métodos que escalan terminan ganando —el bitter lesson de Rich Sutton— es el dogma de la década. Candido la matizó con una observación práctica: las leyes de escalado no están en todos lados, hay que encontrarlas. Gran parte del trabajo, dijo, es descubrir en qué situación, si pones más cómputo o más datos, obtienes un mejor resultado.

Su ejemplo más contraintuitivo: entrenar un modelo de lenguaje de proteínas con secuencias metagenómicas de baja calidad —datos que, admitió, muchas veces ni siquiera corresponden a una proteína completa— mejora el desempeño del modelo para diseñar proteínas reales. Más datos sucios, mejor resultado. La lección para cualquier equipo que entrena modelos: la calidad y la cobertura del dato pesan más que el volumen.

Kohli llevó el argumento a la organización del trabajo. El error, dijo, es pensarse como modelador o como generador de datos y defender esa identidad. El problema va primero, y la solución puede requerir modelado, datos o expertise científico. Con AlphaFold, DeepMind no tenía los recursos para multiplicar el PDB por un orden de magnitud, así que apostó todo al modelado. En genómica celular hizo lo contrario: concluyó que los datos simplemente no estaban.

Los datos que faltan: de mil millones a billones de células

Acá está el cuello de botella que explica por qué hay US$1.800 millones sobre la mesa. Según hoodline, los datasets de célula única que se usan hoy para entrenar modelos llegan a cientos de millones y casi mil millones de células. Los modelos predictivos precisos necesitarían miles de millones y, eventualmente, billones. El cuerpo humano tiene unos 37 billones de células, según la misma nota.

La meta declarada es comprimir en cinco años lo que normalmente toma décadas: un primer dataset en aproximadamente un año y modelos predictivos precisos en cinco, según hoodline. Para dimensionar la urgencia, la misma nota cita datos de PhRMA: desarrollar un fármaco toma en promedio entre 10 y 15 años y cuesta US$2.600 millones por aprobación, y menos del 12% de las moléculas que entran a Fase 1 terminan aprobadas por la FDA.

Kohli tiene una apuesta técnica concreta para cerrar esa brecha: trabajar directamente sobre micrografías de criomicroscopía electrónica en lugar de sobre estructuras ya resueltas. Su intuición es que el PDB descarta información —dinámica, distribución de conformaciones— que las imágenes originales sí conservan. Lo intentó, dijo, y requiere más trabajo.

Candido puso la analogía que mejor describe el estado del arte: los modelos actuales son como quien quiere entender una bicicleta y modela un rayo de la rueda. Funcionan, pero para entender sistemas biológicos completos hay que pasar del rayo a la rueda y de la rueda a la bicicleta.

Qué significa esto para tu startup

1. Define el problema antes de elegir la herramienta. El consejo más transferible del panel no es sobre biología: es que la identidad técnica no puede decidir la estrategia. Si tu producto depende de un modelo, la pregunta previa es qué dato lo resuelve y si ese dato existe. Si no existe, el roadmap es generarlo, no entrenar más.

2. El dato propietario es el foso, no el modelo. Con US$1.800 millones entrando a generar datos biológicos abiertos, la ventaja competitiva se corre hacia quien sabe curar, estandarizar e integrar datos. Biohub ya construyó infraestructura abierta como CELLxGENE y el CryoET Data Portal, según unite.ai. Para una startup sin capital, el data commons abierto es la vía de entrada.

3. Calibración antes que interpretabilidad. Kohli contó que AlphaFold 2 podía dar buenas respuestas, pero si su score de confianza pLDDT hubiera estado mal calibrado, nadie habría confiado en él. Si tu modelo alimenta decisiones de negocio, medir y comunicar la incertidumbre vale más que explicar cada peso interno.

4. Piensa en 10x, no en 10%. Candido contó que aprendió en Google que a veces es más fácil preguntar qué haría falta para una mejora de 10x que para una de 10%. No porque sea más simple, sino porque obliga a volver a los primeros principios. Biohub se lo tomó literal: su misión es curar todas las enfermedades.

El talento también se mueve

Hay una segunda historia corriendo en paralelo y es incómoda para DeepMind. Según reportó el Financial Times y recogieron Engadget y Yahoo Finance, el laboratorio desarmó el equipo original de AlphaFold: la mayoría de los autores fueron reasignados a proyectos de Gemini y casi un cuarto se fue de la empresa. John Jumper, que ganó el Nobel de Química 2024 junto a Demis Hassabis por AlphaFold, se fue a Anthropic, y lo siguieron dos investigadores centrales del proyecto.

El detalle importa para quien sigue el sector: Isomorphic Labs, la escisión de Alphabet para descubrimiento de fármacos, ya firmó acuerdos con Novartis y Eli Lilly, según Yahoo Finance. Y Anthropic lanzó Claude Science, una versión de su asistente orientada a investigación en biología. La carrera por el científico de IA se juega entre los mismos laboratorios que compiten por modelos de frontera.

Conclusión

El mensaje del panel es incómodo y útil a la vez: el mayor logro de IA aplicada a la ciencia de la última década resolvió un problema más chico de lo que se contó. Eso no lo desmerece, lo vuelve un punto de partida. Para un founder, la lección es que el atajo del cómputo tiene un límite cuando el dato no existe, y que la decisión estratégica real es qué problema vale la pena y qué datos hacen falta para resolverlo. Los US$1.800 millones de la Virtual Biology Initiative son la apuesta de que esa pregunta, en biología, ya tiene respuesta.

Fuentes

• Latent Space (fuente original)
• SiliconANGLE
• unite.ai
• hoodline
• Engadget
• Yahoo Finance