1
AlphaGo
Shares tags: ai
AI Tool
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.
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.
Connect
</>Embed "Featured on Stork" Badge▼
<a href="https://www.stork.ai/en/alphafold-2" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/alphafold-2?style=dark" alt="AlphaFold 2 - Featured on Stork.ai" height="36" /></a>
[](https://www.stork.ai/en/alphafold-2)
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.
quick facts
Datos Rápidos
| Atributo | Valor |
|---|---|
| Desarrollador | DeepMind (Google DeepMind) |
| Modelo de Negocio | Freemium / Núcleo de Código Abierto |
| Precios | Gratis (AlphaFold Protein Structure Database); Gratis para uso académico (código de AlphaFold 2); Gratis para uso académico con licencia restringida (código de AlphaFold 3); Acceso comercial a través de Isomorphic Labs |
| Plataformas | Web (AlphaFold Protein Structure Database), Despliegue local (código de código abierto) |
| API Disponible | Sí (a través de Isomorphic Labs para uso comercial, o despliegue local) |
| Fundado | DeepMind (2010), Avance de AlphaFold 2 (2020) |
| Sede | Londres, Reino Unido |
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.
- 1Predicción de la estructura de proteínas de alta precisión, logrando una resolución casi atómica con una puntuación GDT media superior a 90 en CASP14.
- 2Predicción de estructuras 3D para proteínas y otras moléculas biológicas, incluyendo DNA, RNA y varios ligandos (ampliado con AlphaFold 3).
- 3Predicción de interacciones entre proteínas, DNA, RNA y ligandos, crucial para comprender las funciones celulares (AlphaFold 3).
- 4Acceso abierto a más de 200 millones de estructuras de proteínas predichas a través de la AlphaFold Protein Structure Database.
- 5Identificación de Intrinsically Disordered Regions (IDRs) a través de su métrica de confianza local (pLDDT).
- 6Facilita la determinación experimental de estructuras al proporcionar puntos de partida valiosos para métodos como X-ray crystallography y cryo-EM.
- 7Acelera la identificación y validación de objetivos en drug discovery al proporcionar estructuras para proteínas previamente no caracterizadas.
- 8Apoya 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.
- 1Científicos: 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.
- 2Investigadores: Para acelerar los procesos de drug discovery y desarrollo al proporcionar estructuras de proteínas precisas para la identificación y validación de objetivos.
- 3Biotecnólogos: Para desarrollar nuevos tratamientos y vacunas al dilucidar las estructuras de proteínas patógenas e interacciones huésped-patógeno.
- 4Biólogos 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.
- 5Compañías 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.
- 1AlphaFold 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.
- 2AlphaFold 2 (Código): El código fuente de AlphaFold 2 es de código abierto y está disponible gratuitamente para fines de investigación académica y no comercial.
- 3AlphaFold 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.
- 4Uso 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.
competitors
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.
- 1AlphaFold 2 vs RoseTTAFold: AlphaFold 2 demostró una precisión superior en CASP14, mientras que RoseTTAFold, desarrollado por el Baker Lab, ofrece una precisión comparable utilizando una red neuronal de tres vías y proporciona su código bajo una MIT License, aunque los pesos entrenados son para uso no comercial.
- 2AlphaFold 2 vs ESMFold (Meta AI): AlphaFold 2 generalmente proporciona mayor precisión para estructuras de proteínas complejas, mientras que ESMFold, aprovechando un modelo de lenguaje de proteínas, se destaca por ser significativamente más rápido y eficiente, particularmente para predicciones a partir de una sola secuencia.
- 3AlphaFold 2 vs OpenFold: AlphaFold 2 es la implementación original de DeepMind, mientras que OpenFold es una reimplementación de código abierto rápida, eficiente en memoria y completamente entrenable, construida desde cero para igualar la precisión de AlphaFold 2, ofreciendo transparencia y personalización para los investigadores.
❓
Frequently Asked Questions
+¿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.
+¿Es AlphaFold 2 gratuito?
Sí, la AlphaFold Protein Structure Database, que contiene más de 200 millones de estructuras de proteínas predichas, es de acceso gratuito. El código fuente de AlphaFold 2 es de código abierto para investigación académica y no comercial. El código de AlphaFold 3 también es de código abierto para uso académico con una licencia restringida. El acceso comercial a las capacidades de AlphaFold se proporciona a través de Isomorphic Labs.
+¿Cuáles son las principales características de AlphaFold 2?
Las principales características de AlphaFold 2 incluyen la predicción de la estructura 3D de proteínas de alta precisión, la predicción de interacciones con DNA, RNA y ligandos (AlphaFold 3), acceso abierto a más de 200 millones de estructuras predichas a través de su base de datos, y la capacidad de identificar regiones intrínsecamente desordenadas. Contribuye significativamente al drug discovery y a la determinación experimental de estructuras.
+¿Quién debería usar AlphaFold 2?
AlphaFold 2 está destinado principalmente a científicos, investigadores, biotecnólogos y biólogos estructurales. Sus aplicaciones abarcan la comprensión de los mecanismos de las enfermedades, la aceleración del drug discovery, el desarrollo de nuevos tratamientos y vacunas, y la facilitación de la determinación experimental de estructuras en entornos académicos y farmacéuticos.
+¿Cómo se compara AlphaFold 2 con las alternativas?
AlphaFold 2 estableció un nuevo estándar de precisión en CASP14. En comparación con RoseTTAFold, AlphaFold 2 generalmente ofrece mayor precisión, mientras que RoseTTAFold proporciona resultados comparables con un código con licencia MIT. ESMFold (Meta AI) se destaca por su velocidad de predicción significativamente más rápida a partir de secuencias únicas, y OpenFold es una reimplementación de código abierto diseñada para igualar la precisión de AlphaFold 2 y proporcionar mayor transparencia.