At a glance
CZ Biohub presenta ESMFold2 y el ESM Atlas el 27 de mayo de 2026, proporcionando 1.1 mil millones de estructuras predichas y 6.8 mil millones de secuencias en un ecosistema completamente abierto para investigadores de todo el mundo.
Análisis de proteínas impulsadas por IA
El lanzamiento de ESMFold2 marca un avance significativo en la biología computacional.Los investigadores del Chan Zuckerberg Biohub presentaron el modelo el 27 de mayo de 2026, junto a un atlas completo que contiene 1.1 mil millones de estructuras de proteínas predichas derivadas de 6.8 mil millones de secuencias de proteínas.
Predicción de la estructura de las proteínas
Las proteínas desempeñan funciones esenciales en los organismos vivos, y sus formas tridimensionales determinan cómo interactúan con otras moléculas. Predecir estas formas a partir de secuencias de aminoácidos ha desafiado a los científicos desde hace mucho tiempo. Los métodos experimentales tradicionales como la cristalografía de rayos X y la microscopía criodimensional proporcionan resultados precisos pero requieren tiempo y recursos significativos.
ESMFold2 se basa en modelos de lenguaje de proteínas que tratan las secuencias de aminoácidos de manera similar a las palabras en el procesamiento del lenguaje natural. Estos modelos capturan relaciones evolutivas a través de miles de millones de secuencias, permitiendo la inferencia directa de estructuras a nivel atómico sin depender de alineaciones de secuencias múltiples en muchos casos.
Desarrollo de modelos de ESM a escala
En 2023, un equipo desarrolló ESM-2, un modelo de lenguaje de 15 mil millones de parámetros entrenado en cientos de millones de secuencias de proteínas.
Biohub reclutó miembros clave del equipo EvolutionaryScale aproximadamente siete meses antes del lanzamiento de mayo de 2026.El nuevo sistema incorpora ESMC, un modelo de lenguaje entrenado en aproximadamente 2.8 mil millones de secuencias que abarcan diversas formas de vida, incluyendo extremófilos y más de 20.000 tipos de proteínas humanas.
Características del Atlas ESM
El Atlas de ESM organiza 6.8 mil millones de secuencias y 1.1 mil millones de estructuras preditas utilizando relaciones aprendidas por ESMC. Este enfoque superficializa conexiones no capturadas en las bases de datos existentes, como las conexiones evolutivas entre proteínas de defensa asociadas con CRISPR y una proteína de edición de genes identificada en un hongo del suelo en 2023, ahora observada en otras especies eucariotas.
La mayoría de las secuencias provienen de fuentes metagenómicas en entornos como el suelo y los océanos, muchos de ellos previamente no caracterizados.El atlas hace que esta biología no anotada sea buscable, apoyando a los investigadores que estudian enfermedades con una comprensión molecular previa limitada.
Photo by Mockup Free on Unsplash
Benchmarks de rendimiento y comparaciones
Biohub informa que ESMFold2 alcanza la precisión de última generación, en particular en la predicción de las interacciones proteína-proteína y los complejos de anticuerpos-antigén. Benchmarking lo posicionó favorablemente frente a AlphaFold 3 de Google DeepMind, Chai-1, y Boltz-1.
A diferencia de algunos sistemas propietarios, ESMFold2 opera totalmente de código abierto bajo la licencia del MIT. Esta accesibilidad permite a los investigadores globales inspeccionar, modificar y construir el código sin restricciones comunes en los modelos cerrados.
Aplicaciones prácticas en investigación y diseño
Los primeros usos incluyen el diseño de ligantes de proteínas de alta afinidad dirigidos a cinco proteínas relacionadas con la enfermedad: EGFR y PDGFRβ en las rutas del cáncer, PD-L1 y CTLA-4 como puntos de control inmunológico, y CD45 en la señalización inmunológica.
El atlas apoya el descubrimiento de la nueva biología al permitir la búsqueda de similitudes estructurales en ramas evolutivas lejanas.Los científicos ahora pueden explorar las proteínas metagenómicas en una escala sin precedentes, identificando potencialmente nuevas enzimas o mecanismos reguladores relevantes para la biotecnología y la medicina.
Implicaciones para las comunidades académicas y de investigación
Los laboratorios universitarios y los investigadores independientes obtienen acceso inmediato a herramientas anteriormente limitadas por barreras computacionales o licencias.La liberación abierta facilita la integración en los flujos de trabajo existentes para la biología estructural, el descubrimiento de fármacos y los programas de biología sintética.
Los estudiantes de doctorado y los investigadores postdoctorales en bioinformática, biología computacional y campos relacionados pueden entrenar o ampliar estos modelos utilizando código y datos disponibles públicamente.
Accesibilidad técnica e infraestructura
Los núcleos optimizados desarrollados en colaboración con NVIDIA permiten una inferencia eficiente en hardware estándar.Los investigadores con recursos de computación moderados pueden procesar porciones sustanciales del atlas o generar nuevas predicciones sin instalaciones de supercomputación especializadas.
El paquete completo —ESMC, ESMFold2, y el Atlas de ESM— está alojado en la Plataforma Biohub para acceso gratuito.
Photo by Mockup Free on Unsplash
Futuras direcciones en la modelización de la biología de las proteínas
Este lanzamiento representa el progreso hacia modelos globales completos de biología de proteínas que integran la secuencia, la estructura y la función.El continuo escalado y refinamiento podría permitir enfoques programables para diseñar herramientas moleculares para la prevención y el tratamiento de enfermedades.
La adopción más amplia puede acelerar la anotación del universo de proteínas, revelando insights funcionales de la gran mayoría de las secuencias que permanecen sin caracterizar.
Contexto más amplio en AI y ciencias de la vida
La predicción de la estructura de las proteínas ha evolucionado rápidamente desde la introducción de los sistemas AlphaFold, que mapearon casi 200 millones de estructuras.
Dichos recursos complementan los esfuerzos experimentales y apoyan los enfoques híbridos donde las predicciones de la IA guían la validación de laboratorio dirigida.El énfasis en los patrones evolutivos aprendidos a partir de miles de millones de secuencias subraya el valor de los datos a gran escala en el descubrimiento de principios biológicos.
- computational-biology
- protein-structure-prediction
- research-tools
- esmfold2
- open-source

