Biohub libera un motor de IA de código abierto que mapea 6.800 millones de proteínas y acelera el descubrimiento de fármacos

ESMFold2 es el motor de predicción de estructuras dentro de la arquitectura ESM3. Predice la estructura atómica de las proteínas directamente de su secuencia con una velocidad y precisión de última generación, y no necesita los alineamientos múltiples de secuencias que ralentizan los métodos tradicionales . Gracias a esta velocidad es posible una cobertura estructural a gran escala.

El Atlas ESM se ha expandido de forma drástica. El Atlas Metagenómico ESM original de Meta FAIR cubría unos 600 millones de estructuras proteicas . El atlas actualizado de Biohub ahora cartografía 6.800 millones de proteínas con 1.100 millones de estructuras predichas, una expansión de un orden de magnitud que ofrece cobertura estructural para una porción muchísimo mayor del universo proteico .

Además, el lanzamiento incluye esm3-sm-open-v1, un modelo generativo entrenado con 2.780 millones de proteínas naturales y aumentado con datos sintéticos hasta alcanzar 3.150 millones de secuencias, 236 millones de estructuras y 539 millones de anotaciones funcionales, sumando 771.000 millones de tokens . Este modelo se publica bajo una licencia no comercial para uso académico y sin fines de lucro .

Cómo estas herramientas aceleran el descubrimiento de fármacos

La promesa práctica es la velocidad y la escala. Diseñar y validar aglutinantes terapéuticos de proteínas tradicionalmente lleva meses o años de trabajo iterativo en el laboratorio. Las herramientas de Biohub comprimen este proceso a semanas o incluso días al permitir tres capacidades:

• Diseño de binders desde cero: Los científicos pueden diseñar computacionalmente proteínas aglutinantes que ataquen proteínas vinculadas a enfermedades, generando fármacos candidatos en el ordenador antes de iniciar cualquier trabajo de laboratorio .
• Mapeo de la "materia oscura" del espacio proteico: La inmensa mayoría de las proteínas nunca han sido caracterizadas experimentalmente. El Atlas ESM brinda estructuras predichas en todo el árbol de la vida, permitiendo a los investigadores explorar computacionalmente este territorio inexplorado .
• Cribado in silico de alto rendimiento: Se pueden analizar miles de millones de secuencias proteicas de forma computacional, reduciendo drásticamente el costo y la tasa de fracaso de las fases tempranas del desarrollo de fármacos .

Resultados de laboratorio: aglutinantes que realmente funcionan

Una crítica recurrente a las proteínas diseñadas por IA es que se ven bien en la pantalla del ordenador pero fallan en el laboratorio. Biohub informa que este no es el caso. Los aglutinantes diseñados completamente in silico con estos modelos han sido validados en experimentos reales de laboratorio: las proteínas creadas por IA se unieron a sus objetivos previstos .

Alex Rives, director científico de Biohub, afirmó que "estos modelos han adquirido una representación tan precisa de los procesos biológicos que permiten el diseño computacional de interfaces proteicas, las cuales luego pueden ser probadas en el laboratorio con los resultados esperados" . Esto significa que los modelos han capturado suficiente biología fundamental como para producir diseños funcionales sin necesidad de optimización iterativa en el laboratorio.

Conexión con la Iniciativa de Biología Virtual de 500 millones de dólares

El 29 de abril de 2026, Biohub anunció la Iniciativa de Biología Virtual (VBI, por sus siglas en inglés), un compromiso de 500 millones de dólares a cinco años para construir los conjuntos de datos multimodales y los modelos de IA necesarios para lograr modelos predictivos de las células humanas . De ese financiamiento, 100 millones se destinan a coordinar los esfuerzos globales de generación de datos, y 400 millones a producir datos a gran escala y desarrollar tecnologías de nueva generación para medir, visualizar y manipular la biología .

La publicación del modelo de biología proteica es el primer gran resultado científico bajo esta iniciativa. Los socios de la VBI abarcan algunas de las instituciones más prominentes en biología y tecnología: el Broad Institute, el Allen Institute, el Arc Institute, el Wellcome Sanger Institute, el Human Cell Atlas, el Human Protein Atlas, NVIDIA y Renaissance Philanthropy .

Raíces en la investigación ESM previa de Meta FAIR

La familia ESM no empezó en Biohub. Fue desarrollada originalmente en el laboratorio FAIR de Meta AI, que publicó los primeros modelos ESM-1 y lanzó el ESMFold original en la revista Science en 2023, generando las primeras predicciones de más de 600 millones de estructuras proteicas . Ese trabajo produjo el Atlas Metagenómico ESM original, que en su momento fue la mayor base de datos de estructuras predichas de alta resolución, aproximadamente tres veces más grande que cualquier base de datos de estructuras proteicas existente .

Cuando EvolutionaryScale, la startup formada por el equipo original de ESM en FAIR, se escindió de Meta, Biohub absorbió y continuó la investigación. Este lanzamiento de cuarta generación se basa directamente en ese linaje, con Biohub ahora liderando el desarrollo como una iniciativa científica filantrópica y abierta .

Dónde acceder a los modelos

Los investigadores pueden experimentar y desplegar estas herramientas en múltiples plataformas:

• Hugging Face: Los pesos del modelo esm3-sm-open-v1 y ESMC 600M están alojados en huggingface.co/biohub/ bajo una licencia no comercial .
• Portal de Modelos de IA de Biohub: Un centro de recursos en biohub.org/ai-models para explorar y descargar los modelos .
• GitHub: El código, los pesos de los modelos y ejemplos de flujo de trabajo están disponibles, continuando el patrón de código abierto de los lanzamientos ESM anteriores .
• AWS SageMaker: Cuadernos de despliegue preconfigurados permiten a los investigadores escalar ESM3 y ESMC en la infraestructura de nube de Amazon Web Services .
• Biohub Forge: Una API alojada para la experimentación interactiva con los modelos .