Connect with us

Tecnologia

IA de Google predice la estructura e interacciones de todas las moléculas de la vida

Published

on

IA de Google predice la estructura e interacciones de todas las moléculas de la vida. Foto de Ayush Kumar para Unsplash

Dentro de cada célula hay miles de millones de máquinas moleculares y entender su funcionamiento es clave para comprender y tratar enfermedades. La última versión de AlphaFold, un sistema de inteligencia artificial de Google, es capaz de predecir la estructura y las interacciones de ‘todas’ las moléculas de la vida.

Su descripción se publica en la revista Nature y, según sus responsables, AlphaFold 3 lleva “el mundo biológico a la alta definición”. Permite a los científicos ver los sistemas celulares en toda su complejidad, a través de sus estructuras, las interacciones y modificaciones.

Se trata, según DeepMind, responsable de esta inteligencia artificial (IA) junto a Isomorphic Labs, de un “modelo revolucionario” que mejora los anteriores y que trabaja con una precisión sin precedentes.

Dentro de cada célula vegetal, animal y humana hay miles de millones de máquinas moleculares que están formadas por proteínas, ADN y otras moléculas, pero ninguna de ellas funciona por sí sola. Sólo viendo cómo interactúan entre sí, a través de millones de tipos de combinaciones, se puede empezar a entender realmente los procesos de la vida.

El nuevo modelo se basa en los fundamentos de AlphaFold 2, que en 2020 y los años siguientes supuso un ‘avance fundamental’ en la predicción de la estructura de las proteínas (en 2022 se publicaron las predicciones de la estructura tridimensional de casi todas las proteínas -200 millones- a partir de su secuencia de aminoácidos).

Millones de investigadores de todo el mundo han utilizado esa versión para hacer descubrimientos en áreas como las vacunas contra la malaria, los tratamientos contra el cáncer y el diseño de enzimas, señala un comunicado de Google DeepMind.

Más allá de las proteínas

Ahora, las mejoras sustanciales introducidas en la arquitectura del aprendizaje profundo y el sistema de entrenamiento permiten predecir con mayor precisión la estructura de una amplia gama de sistemas biomoleculares en un marco unificado.

En el caso de las interacciones de las proteínas con otros tipos de moléculas, consigue una mejora de al menos el 50 % en comparación con los métodos de predicción existentes, y para algunas categorías importantes de interacción se ha duplicado la exactitud de predicción.

“AlphaFold 3 nos lleva más allá de las proteínas para abarcar un amplio espectro de biomoléculas. Este salto podría dar lugar a una ciencia más transformadora, desde el desarrollo de materiales biorrenovables y cultivos más resistentes hasta la aceleración del diseño de fármacos y la investigación genómica”, agrega la nota.

A partir de una lista de moléculas, AlphaFold 3 es capaz de generar su estructura tridimensional conjunta, mostrando cómo encajan estas entre sí. Modela grandes biomoléculas como proteínas, ADN y ARN, así como pequeñas moléculas, también conocidas como ligandos.

Además, puede modelizar modificaciones químicas de estas moléculas que controlan el funcionamiento saludable de las células y que, cuando se alteran, pueden provocar enfermedades.

Esta nueva ventana a las moléculas de la vida revela cómo están todas conectadas y ayuda a comprender cómo esas conexiones afectan funciones biológicas, como la acción de los fármacos, la producción de hormonas y el proceso de reparación de ADN que preserva la salud.

Un ‘google maps’ de las moléculas, en abierto

Los científicos pueden acceder gratuitamente a la mayoría de sus funciones a través del recién lanzado servidor AlphaFold. Con unos pocos clics, pueden aprovechar la potencia de AlphaFold 3 para modelizar estructuras compuestas por proteínas, ADN, ARN y una selección de ligandos, iones y modificaciones químicas.

“AlphaFold 3 tiene el potencial de ser tan innovador como AlphaFold, cuando se lanzó por primera vez. Con el servidor, ya no se trata sólo de predecir estructuras, sino de facilitar generosamente el acceso y permitir a los investigadores plantearse preguntas atrevidas y acelerar los descubrimientos”, apunta Céline Bouchoux, del Instituto Francis Crick.

“Comprender el mundo biomolecular que llevamos dentro y cómo las complejas redes de moléculas interactúan en nuestras células, es un punto de partida crucial para entender y tratar las enfermedades mediante el diseño racional de fármacos”, afirma Isomorphic Labs.

En este sentido, y para avanzar en esta comprensión se ha desarrollado este innovador modelo de IA que proporciona una visión precisa a nivel atómico de la estructura de los sistemas biomoleculares, concluye Isomorphic, que ya está en contacto con empresas del sector para su implementación.

Con información de EFE

La entrada IA de Google predice la estructura e interacciones de todas las moléculas de la vida aparece primero en López-Dóriga Digital.

ues de anuncios individuales.

Tecnologia

WhatsApp estrena funciones para tener chats más creativos

Published

on


WhatsApp inicia el año con nuevas formas para aportar creatividad a los chats.

Los efectos de cámara lanzados en videollamadas estarán ahora disponibles para tomar fotos o grabar videos que serán enviados por chat.

Son 30 fondos, filtros y efectos.

Los stickers evolucionan para convertir las selfies en adhesivos. Lo anterior se puede tocando ‘Crear sticker’ y seleccionando el icono de cámara.

Ya está disponible para Android y pronto lo estará en iOS.

También es más fácil compartir los paquetes de stickers desde el chat.

Y las reacciones ahora son más fácil de enviar. Basta con tocar dos veces un mensaje para abrir las opciones y elegir la más adecuada para el mensaje.

Con estas novedades, la aplicación de mensajería instantánea busca ser más divertida y fácil de usar.



ues de anuncios individuales.

Source link

Continue Reading

Tecnologia

Lanzan misión a la Luna con dos módulos privados para allanar el regreso humano

Published

on


La NASA y las empresas SpaceX y Firefly Aerospace lanzaron desde Florida a la Luna el cohete Falcon 9 con dos módulos de aterrizaje privados, uno estadounidense -Blue Ghost 1- y otro japonés -Resilience-, para establecer una presencia humana permanente en el satélite a finales de la década.

El cohete Falcón 9 de SpaceX despegó sin problemas a la 1:11 h local, como estaba programado, desde el Centro Espacial Kennedy de la Nasa en Florida.

El módulo Blue Ghost 1 está previsto que llegará en 45 días a la Luna para explorarla a través de diez instrumentos como parte del programa Artemis.

La misión, que tendrá una duración aproximada de 60 días, incluyendo el tránsito hacia la Luna y las operaciones en la superficie lunar, forma parte del programa Servicios Comerciales de Carga Lunar (CLPS, en inglés) de la NASA.

Esta iniciativa busca asociarse con empresas privadas para facilitar el envío de herramientas científicas y tecnológicas, en apoyo al programa Artemis.

Las cargas útiles de esta misión incluyen instrumentos diseñados para estudiar las propiedades del regolito lunar -los fragmentos de materiales depositados sobre la roca sólida-, las características geofísicas y la interacción entre el viento solar y la magnetosfera terrestre.

Según la NASA, los datos recopilados proporcionarán información esencial para futuras misiones tripuladas y no tripuladas, mejorando la comprensión del entorno lunar y facilitando el desarrollo de tecnologías para la exploración espacial.

Las investigaciones científicas en este vuelo tienen como objetivo probar y demostrar la tecnología de perforación del subsuelo lunar, las capacidades de recolección de muestras de regolito, las posibilidades del sistema global de navegación por satélite, la computación tolerante a la radiación y los métodos de mitigación del polvo lunar.

Los datos capturados podrían beneficiar a los humanos en la Tierra al proporcionar información sobre cómo el clima espacial y otras fuerzas cósmicas afectan a la Tierra.

 Los instrumentos

Entre los instrumentos están el Regolith Adherence Characterization (RAC), que evaluará cómo el polvo lunar se adhiere a diferentes materiales, información crucial para el diseño de futuros equipos y trajes espaciales.

También irá a bordo el Lunar Environment Heliospheric X-ray Imager (LEXI), que capturará imágenes de la interacción entre la magnetosfera terrestre y el viento solar, proporcionando datos valiosos sobre el clima espacial, y el Lunar Magnetotelluric Sounder (LMS), que caracterizará la estructura y composición del manto lunar mediante el estudio de campos eléctricos y magnéticos, ayudando a comprender la evolución térmica de la Luna.

Otros instrumentos son el Lunar Instrumentation for Subsurface Thermal Exploration with Rapidity (LISTER), encargado de medir el flujo de calor desde el interior de la Luna, proporcionando información sobre su estructura térmica.

Además, el Lunar GNSS Receiver Experiment (LuGRE) demostrará la capacidad de utilizar señales de sistemas de navegación por satélite, como GPS y Galileo, en la Luna, lo que podría mejorar la navegación lunar en futuras misiones.

 Módulo nipón de exploración lunar

Junto a la citada misión Blue Ghost 1, a bordo del Falcon 9 lanzado va también el módulo de aterrizaje lunar Resilience, de la compañía japonesa Ispace, una de las firmas emergentes que quiere dar un nuevo impulso a la industria aeroespacial del país asiático.

Se trata de la segunda misión lunar del programa Hakuto-R con la que la compañía nipona busca realizar un alunizaje suave y desplegar el vehículo Tenacious para la exploración de la superficie y la recogida de datos en la Luna.

En abril de 2023, la primera misión lunar de Ispace, cuyo objetivo era también realizar un aterrizaje suave en la Luna, no pudo ser completada.

Resilience incluye otras cargas útiles científicas y culturales como un dispositivo de electrolisis de agua lunar, un módulo para la producción de alimentos en la Luna y una sonda de radiación en el espacio profundo.

Además lleva un disco de memoria de la UNESCO que preserva la diversidad lingüística y cultural de la humanidad, una placa de aleación conmemorativa desarrollada por el editor de videojuegos y fabricante de juguetes Bandai Namco y una ‘casa lunar’, un modelo de casa del artista sueco Mikael Genberg.

Con información de EFE



ues de anuncios individuales.

Source link

Continue Reading

Tecnologia

Meta desarrolla un sistema de IA que traduce instantáneamente de voz a voz en 36 idiomas

Published

on


Un modelo de Inteligencia Artificial (IA) desarrollado por Meta es capaz de traducir voz y texto en 101 idiomas y de hacer traducciones directas de voz a voz en 36 lenguas. El modelo, que supera a los existentes, puede allanar el camino hacia las traducciones universales rápidas.

Meta ya presentó una primera versión del modelo en agosto de 2023, aunque ahora, en un artículo publicado en la revista Nature, la compañía incorpora varias innovaciones.

Denominado SEAMLESSM4T, el modelo tiene recursos “que se pondrán a disposición del público -para uso no comercial- para ayudar a seguir investigando” las tecnologías de traducción de voz inclusivas.

Realizar traducciones universales instantáneas es algo que, por ahora, solo ha logrado la ciencia ficción, como ‘El pez de Babel’, un pequeño pez amarillo incluido en la ‘Guía del autoestopista galáctico’, de Douglas Adams, que se insertaba en una oreja y traducía simultáneamente de manera telepática de una lengua hablada a otra.

Tener algo así sería muy útil para facilitar la comunicación en un panorama global interconectado, pero hoy por hoy la mayoría de los sistemas de traducción por aprendizaje automático están orientados al texto o requieren varios pasos: reconocer la voz, traducir el texto y convertirlo de texto a voz en otro idioma.

Además, la cobertura lingüística de los modelos actuales de conversión de voz a voz es menor que la de los modelos de traducción de texto a texto y suele estar sesgada hacia la traducción de un idioma de origen al inglés.

El modelo desarrollado por Seamless Communication de Meta, sin embargo, admite múltiples modos de traducción hasta en 101 idiomas.

SEAMLESSM4T facilita la traducción de voz a voz (reconoce 101 idiomas y traduce a 36 idiomas), la traducción de voz a texto (101 a 96 idiomas), la traducción de texto a voz (96 a 36 idiomas), la traducción de texto a texto (96 idiomas) y el reconocimiento automático de voz (96 idiomas).

En el caso de la traducción de voz a voz, SEAMLESSM4T traduce textos con hasta un 23 por ciento más de precisión que los sistemas existentes.

Además, el modelo de inteligencia artificial puede filtrar el ruido de fondo y adaptarse a las variaciones del hablante, detalla el artículo de Nature.

Por todo ello, los autores aseguran que, aunque todavía hay que mejorarlo, SEAMLESSM4T puede suponer un paso adelante en la mejora de la comunicación más allá de las barreras lingüísticas.

 La opinión de los expertos

En un ‘News and Views’ publicado en Nature, Tanel Alumäe, del Laboratorio de Lenguaje Tecnológico en la Universidad de Tecnología (TalTech) de Tallin, Estonia, destaca que el modelo sea capaz de traducir directamente en 36 idiomas, algo “impresionante” porque puede -por ejemplo- traducir del inglés hablado al alemán hablado sin tener que transcribirlo primero en inglés para traducirlo después.

Pero para este investigador, la mayor virtud de este trabajo no es la idea o el método que propone, sino el hecho de que todos los datos y el código para ejecutar y optimizar esta tecnología están a disposición del público (siempre que no se utilice con fines comerciales), lo que demuestra que Meta es “uno de los mayores defensores de la tecnología lingüística de código abierto”.

En cuanto a los retos, Alumäe apunta que aunque el modelo SEAMLESS traduce un centenar de idiomas, el número de lenguas habladas en el mundo es de unas 7 mil, además la herramienta aún tiene dificultades en muchas situaciones que los humanos manejan con relativa facilidad como conversaciones en lugares ruidosos o entre personas con acentos muy marcados.

Sin embargo, “los métodos de los autores para aprovechar los datos del mundo real del mundo real abrirán un camino prometedor hacia una tecnología del habla que rivalice con la ciencia ficción”, pronostica.

En otro ‘News and Views’, Allison Koenecke, del departamento de Ciencias Informáticas de la Universidad de Cornell, Nueva York, advierte de que aunque las tecnologías del habla pueden ser más eficaces y rentables que los humanos (que también son propensos a sesgos y errores), “es imperativo comprender las formas en que estas tecnologías fallan de forma desproporcionada para algunos grupos demográficos”.

Además, reconoce que algunos usuarios podrían optar por no utilizar las tecnologías del habla -por ejemplo, en entornos médicos o jurídicos para evitar errores- si así lo desean.

Para este experto es fundamental que en el futuro los investigadores en tecnologías del habla mejoren las disparidades de rendimiento y que los usuarios estén bien informados sobre los posibles beneficios y perjuicios asociados a estos modelos.

Con información de EFE



ues de anuncios individuales.

Source link

Continue Reading

Trending