Proteínas bajo la lupa de la inteligencia artificial: qué cambió en la investigación de enfermedades y fármacos

Un dato concreto para empezar: AlphaFold, el sistema de inteligencia artificial desarrollado por DeepMind, logró predecir la estructura tridimensional de más de 200 millones de proteínas, una cifra que multiplicó por varias decenas el volumen de información disponible antes de su aparición. Para dimensionarlo con un ejemplo de la casa: si cada proteína fuera una pieza de un mecanismo, hasta hace poco solo conocíamos el plano de unas pocas miles; hoy tenemos el catálogo entero de las que fabrica el cuerpo humano, más las de otros organismos.

Ese salto no se queda en lo técnico. Conocer cómo se pliega cada proteína, es decir, la forma que adopta y que determina su función, sirve para investigar enfermedades y para avanzar en el diseño de medicamentos, porque muchos fármacos actúan justo bloqueando o activando esas estructuras.

Qué permite hacer la IA en el análisis de proteínas

La herramienta no se limita a procesar datos rápido. Puede trabajar con conjuntos enormes de información biológica y simular secuencias moleculares, una capacidad que ayuda a la búsqueda de tratamientos. En criollo: permite probar en pantalla cómo reaccionaría una molécula antes de gastar millones en un laboratorio.

El planteo de Suleyman para la próxima década

Mustafa Suleyman, cofundador de DeepMind, desarrolla estas posibilidades en su libro La ola que viene: Tecnología, poder y el gran dilema del siglo XXI. Su propuesta central es reunir información genética, química y clínica dentro de los mismos modelos. Esa combinación, según describe, podría facilitar la detección temprana de enfermedades, orientar el desarrollo de terapias y adecuar los tratamientos a las particularidades de cada paciente.

Qué ya se está investigando

• Altos Labs: compañía que investiga la reprogramación del epigenoma, los mecanismos que controlan qué genes se activan y cuáles se apagan, con el objetivo de explorar formas de frenar o revertir el envejecimiento.
• AlphaFold de DeepMind: base sobre la que se apoya buena parte del análisis actual de estructuras proteicas a escala global.
• Modelos integrados: líneas de trabajo que apuntan a cruzar datos genéticos, químicos y clínicos en un mismo sistema para avanzar hacia la medicina personalizada.

Lo que todavía no se sabe

Suleyman imagina un futuro en el que alcanzar los cien años con buena salud sea habitual, pero esa expectativa aparece en su libro como una proyección a varias décadas, no como un resultado confirmado. Tampoco está definido cómo se resolverán las preguntas que el propio autor plantea sobre el acceso a estas mejoras, su regulación y los límites éticos. Mientras tanto, el análisis de proteínas con IA ya es una herramienta concreta en la investigación biomédica y un paso firme, aunque todavía inicial, hacia fármacos más precisos.