La apuesta de código abierto de Ligo por AlphaFold3: Show HN con 314 puntos en 2024, repositorio con 1.1k estrellas

Ligo Biosciences es el equipo detrás de una implementación de código abierto de AlphaFold3 de DeepMind: el modelo completo y el código de entrenamiento bajo Apache-2.0, con kernels modulares eficientes en memoria, predicción de cadenas simples lanzada primero y predicciones beta de ligandos/ácidos nucleicos en lista de espera.

Un equipo pequeño puede reimplementar AlphaFold3 a partir del artículo, abrir el código y el entrenamiento, y convertirse en el stack por defecto de la biotecnología: primero cadenas simples, después modalidades más difíciles.

El artículo de AlphaFold3 de DeepMind se publicó en Nature en mayo de 2024, describiendo un modelo que predice proteínas, ligandos, ácidos nucleicos y sus interacciones, pero no lo acompañaba ningún código abierto ni pipeline de entrenamiento. Ligo Biosciences construyó su propia implementación a partir de los algoritmos publicados y el pseudocódigo suplementario, reutilizando módulos de OpenFold para la atención triangular y las actualizaciones multiplicativas, y lanzó el repositorio con un Show HN el 2024-09-04.

La primera versión incluía predicción de cadenas simples con el código de entrenamiento completo; un vídeo de demostración mostraba un modelo entrenado durante 4.000 pasos en 8 GPU A100 en unas 10 horas sin plantillas. El README documentaba tres discrepancias encontradas respecto al material suplementario de DeepMind —un problema de ordenación del módulo MSA, un factor de escalado de la pérdida que rompía la pérdida unitaria en la inicialización, y conexiones residuales DiT ausentes— y pedía a la comunidad que opinara. El trabajo de eficiencia se centró en kernels de Triton, incluido un kernel personalizado de promediado de pares MSA que escala a miles de tokens en una sola GPU, y una colaboración con AdaptyvBio en un pipeline de datos basado en ProteinFlow. La predicción de ligandos, multímeros y ácidos nucleicos se anunció para la siguiente versión, con probadores beta reclutados mediante una lista de espera.

Sigue en marcha como proyecto de investigación activo a fecha de 2026-09-05: el rastreo registró 301 commits y 1.1k estrellas, la predicción de cadenas simples está publicada, y la predicción de ligandos, multímeros y ácidos nucleicos está en una lista de espera beta; en el registro del repositorio no aparecen cifras de financiación, ingresos ni clientes.

Tracción en una plataforma con nombre y fecha: el Show HN del 2024-09-04 (ítem 41448439) atrajo 314 puntos y 37 comentarios.

Una apuesta abierta concreta: reimplementar AlphaFold3 a partir del artículo con código de entrenamiento, lanzar primero cadenas simples y entrenar las modalidades más difíciles de ligandos/ácidos nucleicos tras una lista de espera beta.

Trayectoria verificable: el repositorio registró 301 commits, 94 forks y 1.1k estrellas en el rastreo de 2026-09-04, con la predicción de cadenas simples publicada.

La sección de discrepancias es la clave: se publicaron tres ambigüedades del material suplementario de DeepMind en lugar de resolverlas en silencio: una estrategia de adopción liderada por la investigación, no una demo.

Publicar como código abierto el bucle de entrenamiento, no solo una demo, convierte una reimplementación en infraestructura comunitaria: lanza primero la porción que el cómputo puede alcanzar y di claramente qué falta todavía.

A fecha de 2026-09-05, la implementación de AlphaFold3 de Ligo está activa como proyecto de investigación: en el repositorio están el código Apache-2.0 y el bucle de entrenamiento para la predicción de proteínas de cadena simple, y la predicción de ligandos, multímeros y ácidos nucleicos figura como trabajo de la próxima versión tras una lista de espera de pruebas beta. El README sigue advirtiendo de que la herramienta no está lista para producción. El rastreo de 2026-09-04 registró 1.1k estrellas, 94 forks y 301 commits; el registro no contiene divulgaciones sobre financiación, ingresos ni equipo, por lo que la mitad de la apuesta relativa a la construcción de la empresa sigue sin demostrarse.