🔬 Un consorcio de farmacéuticas afinó OpenFold3 —réplica de código abierto de AlphaFold 3— con 20 167 estructuras de proteínas guardadas en sus archivos privados. El modelo resultante predijo con alta exactitud más de la mitad de 1 056 casos de prueba, frente a un tercio que logró la versión pública. El trabajo se describe en una entrada de blog y no ha pasado revisión por pares.
Los modelos de plegamiento aprendieron del Protein Data Bank (PDB), repositorio abierto con más de 200 000 estructuras determinadas en el laboratorio. Ese archivo bastó para que AlphaFold 2 predijera la forma de las proteínas con una exactitud que sorprendió al campo, avance reconocido con el Nobel de Química de 2024. Pero el PDB guarda pocos ejemplos de proteínas unidas a moléculas parecidas a fármacos: quizá unos 10 000, calcula Paul Mortenson, vicepresidente de química computacional en Astex Pharmaceuticals.
Ahí aparece la veta sin explotar. Las farmacéuticas generan estructuras con cristalografía de rayos X y criomicroscopía electrónica durante sus programas de búsqueda de fármacos, y muchas nunca llegan a las bases públicas por tratarse de material propietario. AbbVie, Astex y otras empresas crearon el año pasado la AI Structural Biology (AISB) Network. Las 20 167 estructuras aportadas por cinco compañías mostraban proteínas unidas a ligandos, y se entregaron al modelo sin revelar los datos confidenciales.
En la prueba con 1 056 estructuras apartadas del entrenamiento, el modelo AISB superó al OpenFold3 público (un tercio) y a Boltz-2, otro modelo abierto, que rondó el 40 %. También batió a las herramientas entrenadas con los datos de una sola empresa. «Añades todos estos datos y obtienes un salto bastante grande en rendimiento», dice Mohammed AlQuraishi, biólogo computacional de la Universidad de Columbia y participante en el trabajo.
✅ La exactitud de estos modelos se desploma ante moléculas muy distintas a las del entrenamiento, justo lo que abunda en el diseño de fármacos. Si el patrón se sostiene, refuerza el argumento para crear datos abiertos equivalentes: el proyecto OpenBind, con hasta 8 millones de libras (10,8 millones de dólares) del gobierno británico, liberó cientos de estructuras el mes pasado. Los límites pesan: no hay revisión por pares, el modelo no es público y nadie fuera del consorcio puede auditar las cifras. El equipo planea enviar un artículo a una revista.
