Búsqueda · 31 momentos en 16 episodios
Luisa AchaerandioIsabel CorderoJuan Carlos GilIgnacio CrespoFrancis VillatoroHéctor SocasGastón Giribetplegamiento de proteínas problema décadasalphafold derivado de alphagoestructuras de 200 millones de proteínasalphafold jugó plegar proteínasalphafold y plegamiento de proteínasproteínas y bioquímica de la vidafunción de las proteínas tridimensionalesalphafold aprende patrones de proteínasalfago navega tablero 19 por 19alphafold y secuencia completa de aminoácidosproblemas información completa como alphafoldclima sistema con información incompletavalidación del trabajo de alphafoldAlphaGoAlphaFoldLisedolJuan Carlos GilLizDollPremio Nobel de QuímicaBiología MolecularHéctor SocasGastón GiribetColley
Alfa Fold
Con
0:000:301:001:302:002:303:003:20
Juan Carlos Gil explica el problema del plegamiento de proteínas y cómo AlphaFold, derivado de AlphaGo, logró resolverlo.
…Este de aquí se junta con el otro porque tienen afinidad y sí conocemos razonablemente bien estas interacciones individuales, pero de nuevo el problema, el número de formas posibles en el que una cadena razonablemente larga de aminoácidos se puede plegar en tres dimensiones pues es astronómico. ese es el problema del plegamiento de las proteínas que fue durante décadas abierto, pues explicar, dar con la estructura tridimensional de una sola proteína podía ser el trabajo de un doctorando, de un doctorado entero durante cuatro años, ¿vale? Entonces llegó AlphaFold, un derivado de alguna forma de AlphaGo, o por lo menos AlphaGo eran los cimientos, que no se entrenó para jugar al juego del Go, sino se entrenó para jugar al juego de Pleger Proteínas Y vamos, lo ganó, como con Lisedol predijo las estructuras de las 200 millones de proteínas que eran básicamente todas las que se conocían Así que no fue un avance incremental, pasaron de tardar cuatro años un equipo a hacerse todas de golpe O sea, claramente pues transformó un problema tremendamente difícil en algo prácticamente rutinario Y eso no... Un problema que tiene mucha utilidad práctica, o sea, no estamos hablando de un problema académico Eso decía, que es que la función de todas las proteínas, que a la postre es una fracción brutal de la bioquímica de la vida depende de esta forma concreta tridimensional. Claro que tiene un impacto tremendo. Y no es que Alfafol consiguiese eso sabiendo mucha química, ¿vale? Estoy convencido que Héctor y Gastón, lo digo bromeando porque siempre decís lo de la química, saben más química seguramente que Alfafol, pero el bicho... Ya te digo yo que yo no Pero el bicho este es capaz de entender y de aprender patrones y de esta forma navegar el gigantesco espacio de posibilidades de la forma en la que se puede plegar una proteína de forma no tan diferente a como Alfago navegaba el tablero este de 19 por 19 casillas pero no todos los problemas en ciencia son iguales. AlphaFold funciona en un entorno relativamente sencillo porque tenemos la secuencia completa de los aminoácidos y además tenemos una base de datos de estructuras previamente resueltas contra las que podíamos validar el trabajo de AlphaFold. En ese sentido, es de alguna forma o al menos semejante a los problemas que se llaman de información completa. Sabemos que estamos buscando y sabemos cómo validarlo. El Go es otro ejemplo de problema de información completa. Pero en otros sistemas de interés científico, como el clima, claramente trabajamos con información incompleta. Hay datos ruidosos, hay dinámicas caóticas y así, aún así, y pregunté sobre ello explícitamente a Colley. En la entrevista, DeepMind también ha desarrollado otro nieto de AlphaGo que se llama GraphCast, que en lugar de resolver las ecuaciones de la atmósfera con enormes supercomputadores y simulaciones es capaz de aprender sus dinámicas a partir de datos previos,…
Significado #1
Héctor Socas retoma la conversación sobre los avances tecnológicos derivados de AlphaGo, destacando su impacto en áreas como el plegamiento de proteínas a través de AlphaFold.
Habla: Héctor SocasSignificado #3alphago y el juego goalphafold y el premio nobel químicaplegamiento de proteínas alphafoldbiología molecular con alphafold…del juego de Go, pues de ahí el que estuviéramos hablando de ese tema, hicimos esa entrevista, bueno, hablamos mucho la semana pasada de todo eso por cierto, quedaron pendientes las tomas falsas, que tengo por aquí algunas, por si luego queremos sacar, pero Antes, podemos hablar un poco en temas un poco más serios de cómo estuvo explicando muy bien Alberto y estuvimos discutiendo sobre AlphaGo y el juego de Go y cómo este sistema había aprendido a jugar de forma tan magistral, incluso a mostrar capacidades de creatividad en su forma de jugar contra Liz y Doll. Y bueno, parte del interés de todo esto es que se empieza por el juego pero todo esto es un gran desarrollo que llevó a grandes avances incluido AlphaFold, que quizás es el buque insignia de toda esa línea que ya saben que llegó incluso a ganar el premio Nobel de Química: AlphaFold, por el tema del plegamiento de proteínas como ha sido una revolución que ha abierto en temas de biología molecular una nueva vía. Entonces queríamos hablar un poquito más de eso, Juan Carlos es quien conoce más ese tema y lo puede presentar y quizás yo te pediría Juan Carlos hacer una pequeña introducción porque algunos oyentes, hablamos mucho de plegamiento de proteínas la semana…
Juan Carlos Gil explica el problema del plegamiento de proteínas y cómo AlphaFold, derivado de AlphaGo, logró resolverlo.
Habla: Juan Carlos GilSignificado #1plegamiento de proteínas problema décadasalphafold derivado de alphagoestructuras de 200 millones de proteínasalphafold jugó plegar proteínasalphafold y plegamiento de proteínasproteínas y bioquímica de la vidafunción de las proteínas tridimensionalesalphafold aprende patrones de proteínasalfago navega tablero 19 por 19alphafold y secuencia completa de aminoácidosproblemas información completa como alphafoldclima sistema con información incompletavalidación del trabajo de alphafold…Este de aquí se junta con el otro porque tienen afinidad y sí conocemos razonablemente bien estas interacciones individuales, pero de nuevo el problema, el número de formas posibles en el que una cadena razonablemente larga de aminoácidos se puede plegar en tres dimensiones pues es astronómico. ese es el problema del plegamiento de las proteínas que fue durante décadas abierto, pues explicar, dar con la estructura tridimensional de una sola proteína podía ser el trabajo de un doctorando, de un doctorado entero durante cuatro años, ¿vale? Entonces llegó AlphaFold, un derivado de alguna forma de AlphaGo, o por lo menos AlphaGo eran los cimientos, que no se entrenó para jugar al juego del Go, sino se entrenó para jugar al juego de Pleger Proteínas Y vamos, lo ganó, como con Lisedol predijo las estructuras de las 200 millones de proteínas que eran básicamente todas las que se conocían Así que no fue un avance incremental, pasaron de tardar cuatro años un equipo a hacerse todas de golpe O sea, claramente pues transformó un problema tremendamente difícil en algo prácticamente rutinario Y eso no... Un problema que tiene mucha utilidad práctica, o sea, no estamos hablando de un problema académico Eso decía, que es que la función de todas las proteínas, que a la postre es una fracción brutal de la bioquímica de la vida depende de esta forma concreta tridimensional. Claro que tiene un impacto tremendo. Y no es que Alfafol consiguiese eso sabiendo mucha química, ¿vale? Estoy convencido que Héctor y Gastón, lo digo bromeando porque siempre decís lo de la química, saben más química seguramente que Alfafol, pero el bicho... Ya te digo yo que yo no Pero el bicho este es capaz de entender y de aprender patrones y de esta forma navegar el gigantesco espacio de posibilidades de la forma en la que se puede plegar una proteína de forma no tan diferente a como Alfago navegaba el tablero este de 19 por 19 casillas pero no todos los problemas en ciencia son iguales. AlphaFold funciona en un entorno relativamente sencillo porque tenemos la secuencia completa de los aminoácidos y además tenemos una base de datos de estructuras previamente resueltas contra las que podíamos validar el trabajo de AlphaFold. En ese sentido, es de alguna forma o al menos semejante a los problemas que se llaman de información completa. Sabemos que estamos buscando y sabemos cómo validarlo. El Go es otro ejemplo de problema de información completa. Pero en otros sistemas de interés científico, como el clima, claramente trabajamos con información incompleta. Hay datos ruidosos, hay dinámicas caóticas y así, aún así, y pregunté sobre ello explícitamente a Colley. En la entrevista, DeepMind también ha desarrollado otro nieto de AlphaGo que se llama GraphCast, que en lugar de resolver las ecuaciones de la atmósfera con enormes supercomputadores y simulaciones es capaz de aprender sus dinámicas a partir de datos previos,…