> ## Content Index
> Fetch the complete content index at: https://www.nexjournal.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# NVIDIA, Google DeepMind y EMBL-EBI publican una base de datos abierta con estructuras 3D de más de 2.800 virus para la prevención de pandemias
- URL: https://www.nexjournal.com/nvidia-google-deepmind-y-embl-ebi-publican-una-base-de-datos-abierta-con-estructuras-3d-de-mas-de-2-800-virus-para-la-prevencion-de-pandemias/
- Published: 2026-09-24T16:50:23.000Z
- Updated: 2026-09-24T16:50:22.000Z
- Description: La alianza global ha generado mediante IA la predicción de complejos proteicos virales, incluyendo un 30% de interacciones totalmente inéditas para la ciencia, con el fin de acelerar el desarrollo de vacunas y tratamientos.
- Author: Jesús González
- Tags: Ciencia, NVIDIA, Google, Pandemia

En el marco de la reunión de la Asamblea General de las Naciones Unidas sobre preparación frente a pandemias en Nueva York, **NVIDIA** ha anunciado una alianza estratégica con **Google DeepMind**, el **Instituto Europeo de Bioinformática (EMBL-EBI)** y diversas instituciones académicas globales para publicar un conjunto de datos en abierto con las estructuras tridimensionales predichas de los complejos proteicos de **más de 2.800 virus**.

El proyecto busca dotar a la comunidad científica internacional de herramientas estructurales avanzadas antes de la aparición de emergencias sanitarias globales. La iniciativa cobra relevancia ante las estimaciones del *Center for Global Development*, que señalan un **50% de probabilidades de que el mundo enfrente hacia 2050 una pandemia de severidad similar a la del COVID-19**.

## *Inferencia a gran escala con AlphaFold2 y NVIDIA BioNeMo*

Las estructuras tridimensionales incluidas en la actualización fueron calculadas mediante el modelo de aprendizaje profundo **AlphaFold2**, optimizado técnicamente a través de la infraestructura **NVIDIA BioNeMo Inference Runtime**. 

Esta aceleración mediante GPU permitió escalar el procesamiento informático a miles de proteomas virales completos, prediciendo no solo proteínas aisladas, sino las **interacciones complejas** que forman cuando se ensamblan dentro del virus.

Paralelamente a los datos, NVIDIA ha liberado en código abierto el flujo de trabajo denominado **BioNeMo Structure Prediction Pipeline**, permitiendo a laboratorios independientes ejecutar predicciones 3D a partir de secuencias genéticas primarias de sus propios objetivos de investigación.

Risha Patel, responsable de alianzas en ciencias de la vida de Google DeepMind, valoró el alcance de la iniciativa:

> "Nuestra ambición con la base de datos AlphaFold siempre ha sido democratizar el acceso a la biología fundamental a gran escala. Esta colaboración para incorporar miles de complejos virales equipará a los científicos de todo el mundo con el conocimiento necesario para prepararse ante futuros brotes."

## *Descubrimiento de interacciones inéditas para la ciencia*

Los métodos experimentales tradicionales para determinar estructuras moleculares (como la cristalografía de rayos X) requieren años de trabajo y costes elevados por cada proteína. El uso de la IA generativa en bioinformática reduce este tiempo de cómputo a cuestión de minutos.

El análisis inicial de la nueva base de datos revela avances cuantitativos clave para la biología digital:

- **Interacciones novedosas:** Aproximadamente el **30% de las interacciones proteicas identificadas son completamente nuevas para la ciencia**, no habiendo sido documentadas previamente en el *Protein Data Bank*.
- **Rango de patógenos:** El muestreo abarca desde familias de virus causantes del resfriado común hasta amenazas emergentes como el virus de la viruela del mono (Mpox).
- **Acceso universal:** Al integrarse en el portal de preparación ante pandemias de la *AlphaFold Database*, la información queda disponible para investigadores en entornos de bajos recursos o zonas endémicas que enfrentan brotes en primera línea.

Con esta incorporación, la base de datos de AlphaFold supera los **260 millones de predicciones de estructuras y complejos proteicos**, consolidándose como la mayor biblioteca digital de biología estructural del mundo.