Skip to content
Stork.AIstork.ai
Herramienta de IA

Reseña de AlphaFold 2

AlphaFold 2 es un sistema de IA desarrollado por DeepMind que avanzó significativamente la precisión de la predicción de la estructura de proteínas, convirtiendo la biología molecular en un campo de juego de optimización para la IA.

shipped 2 abr 2026aifreemium
ai
AlphaFold 2 - AI tool for alphafold. Professional illustration showing core functionality and features.

Por qué importa

1Logró una puntuación media de prueba de distancia global (GDT) de más de 90 en CASP14 (2020), lo que indica una precisión casi atómica.
2Predijo más de 200 millones de estructuras de proteínas, puestas a disposición gratuitamente a través de la AlphaFold Protein Structure Database.
3El artículo de AlphaFold 2 ha sido citado aproximadamente 43.000 veces hasta noviembre de 2025.
4AlphaFold 3, lanzado en mayo de 2024, amplió las capacidades de predicción para incluir complejos con DNA, RNA y ligandos.

Stork’s verdict on AlphaFold 2

AlphaFold 2 proporciona atomic-level protein structure prediction, pero aplicarlo eficazmente todavía requiere experiencia especializada en el dominio.

Especificaciones

GitHub

Ver repositorio →

API disponible

Sí, API pública

overview

¿Qué es AlphaFold 2?

AlphaFold 2 es un modelo de machine learning desarrollado por Google DeepMind que permite a científicos e investigadores predecir la estructura tridimensional (3D) de las proteínas a partir de sus secuencias de aminoácidos. Este sistema logró una precisión casi atómica en la predicción de la estructura de proteínas, acelerando la investigación en biología estructural y drug discovery. El programa aprovecha las redes neuronales para generar modelos de coordenadas atómicas 3D a partir de entradas de aminoácidos. Su desarrollo marcó un avance significativo en el campo, como lo demuestra su rendimiento en el Critical Assessment of protein Structure Prediction (CASP14) en 2020, donde logró una puntuación media de prueba de distancia global (GDT) superior a 90. AlphaFold 2 ha sido fundamental en la predicción de las estructuras de más de 200 millones de proteínas, que son de acceso abierto a través de la AlphaFold Protein Structure Database, una colaboración entre Google DeepMind y EMBL-EBI.

features

Características Clave de AlphaFold 2

AlphaFold 2 ofrece un conjunto de capacidades centradas en la predicción de estructuras moleculares de alta precisión, impactando significativamente la investigación biológica y el desarrollo de fármacos.

  • Predicción de la estructura de proteínas de alta precisión, logrando una resolución casi atómica con una puntuación GDT media superior a 90 en CASP14.
  • Predicción de estructuras 3D para proteínas y otras moléculas biológicas, incluyendo DNA, RNA y varios ligandos (ampliado con AlphaFold 3).
  • Predicción de interacciones entre proteínas, DNA, RNA y ligandos, crucial para comprender las funciones celulares (AlphaFold 3).
  • Acceso abierto a más de 200 millones de estructuras de proteínas predichas a través de la AlphaFold Protein Structure Database.
  • Identificación de Intrinsically Disordered Regions (IDRs) a través de su métrica de confianza local (pLDDT).
  • Facilita la determinación experimental de estructuras al proporcionar puntos de partida valiosos para métodos como X-ray crystallography y cryo-EM.
  • Acelera la identificación y validación de objetivos en drug discovery al proporcionar estructuras para proteínas previamente no caracterizadas.
  • Apoya el diseño de fármacos mejorado basado en la estructura, permitiendo un cribado virtual más preciso y un diseño racional de compuestos.

use cases

¿Quién Debería Usar AlphaFold 2?

AlphaFold 2 es utilizado principalmente por comunidades científicas y de investigación para avanzar en la comprensión de la biología molecular y acelerar el desarrollo terapéutico.

  • Científicos: Para comprender los mecanismos de las enfermedades, particularmente aquellos relacionados con el plegamiento incorrecto de proteínas (por ejemplo, Alzheimer's, Parkinson's), y para avanzar en la investigación biológica fundamental.
  • Investigadores: Para acelerar los procesos de drug discovery y desarrollo al proporcionar estructuras de proteínas precisas para la identificación y validación de objetivos.
  • Biotecnólogos: Para desarrollar nuevos tratamientos y vacunas al dilucidar las estructuras de proteínas patógenas e interacciones huésped-patógeno.
  • Biólogos Estructurales: Para facilitar la determinación experimental de estructuras, ayudando con la interpretación de datos de baja resolución de técnicas como cryo-EM y NMR spectroscopy.
  • Compañías Farmacéuticas: Para un diseño de fármacos mejorado basado en la estructura, permitiendo un cribado virtual más preciso y un diseño racional de compuestos con mejores afinidades de unión.

pricing

Precios y Planes de AlphaFold 2

AlphaFold 2 opera bajo un modelo freemium, con acceso a datos centrales y código académico proporcionado sin costo directo, mientras que las aplicaciones comerciales se canalizan a través de una entidad dedicada.

  • AlphaFold Protein Structure Database: Se proporciona acceso gratuito a más de 200 millones de estructuras de proteínas predichas, una colaboración entre Google DeepMind y EMBL-EBI.
  • AlphaFold 2 (Código): El código fuente de AlphaFold 2 es de código abierto y está disponible gratuitamente para fines de investigación académica y no comercial.
  • AlphaFold 3 (Código): El código fuente de AlphaFold 3 fue lanzado en noviembre de 2024 para uso académico, aunque con una licencia restringida en comparación con AlphaFold 2.
  • Uso Comercial: El acceso comercial a las capacidades de AlphaFold, particularmente para drug discovery y desarrollo, se proporciona a través de Isomorphic Labs, una spin-off de Google DeepMind.

Políticas

Nivel gratuito

Vendor website advertises a free tier.

Herramientas similares

AlphaFold 2 vs Competidores

AlphaFold 2 superó significativamente a todos los demás algoritmos en la competición CASP14 en 2020, estableciendo un nuevo punto de referencia para la predicción de la estructura de proteínas. Sin embargo, han surgido varias alternativas que ofrecen diferentes compensaciones en términos de precisión, velocidad y licencias.

1
RoseTTAFold↗

It's a deep learning network that achieved similar accuracy to AlphaFold 2 and has evolved into RoseTTAFold All-Atom, capable of modeling more complex biological assemblies including proteins, nucleic acids, small molecules, and metals.

RoseTTAFold demonstrated comparable accuracy to AlphaFold 2 in protein structure prediction, particularly in the CASP14 competition. Its 'All-Atom' version extends its capabilities beyond just proteins to a wider range of biomolecules, whereas AlphaFold 2 primarily focused on single protein chains and multimers, though AlphaFold 3 has expanded to predict interactions with DNA, RNA, and ligands.

2
ESMFold↗

It predicts protein structures from a single amino acid sequence using a protein language model, offering significantly faster prediction speeds compared to methods relying on multiple sequence alignments.

ESMFold offers comparable accuracy to AlphaFold 2 but with a major advantage in speed, as it doesn't require computationally expensive multiple sequence alignments (MSAs). AlphaFold 2 relies heavily on MSAs for its predictions. ESMFold is also available for free.

3
OpenFold↗

It is a fast, memory-efficient, and fully trainable open-source implementation of AlphaFold 2, designed to match its accuracy.

OpenFold aims to replicate and provide an open-source alternative to AlphaFold 2's capabilities and accuracy. While AlphaFold 2's code was open-sourced, OpenFold was built from the ground up to be a robust and generalizable implementation, addressing some of the challenges of using the original AlphaFold 2 code.

4
NVIDIA BioNeMoOn StorkCompare

It's a comprehensive cloud service and framework for drug discovery that integrates various AI models, including protein language models and OpenFold, for biomolecular prediction and generation.

BioNeMo is a broader platform for drug discovery that includes protein structure prediction capabilities (e.g., via OpenFold and other large language models) rather than being solely a protein structure predictor like AlphaFold 2. It offers a framework for training and deploying large-scale biomolecular models, providing a more extensive toolkit for researchers.

Visitar AlphaFold 2↗
Conectar
⌘
GitHubgithub.com/google-deepmind/alphafold3?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=

AI Reputation Report

Is AlphaFold 2 yours?

ChatGPT, Perplexity, Gemini, Claude & Grok answer buyer questions about AlphaFold 2 every day. See whether they name AlphaFold 2 — or send buyers to a rival.

See what AI saysfree preview

Featured in articles