Cuando la inteligencia artificial se mete dentro de la célula: el nuevo mapa de las proteínas para entender enfermedades y diseñar fármacos

Hace apenas unos años, descubrir la forma exacta de una sola proteína podía demandar meses de trabajo en el laboratorio. Hoy, sistemas de inteligencia artificial como AlphaFold, desarrollado por DeepMind, permiten obtener esas estructuras en cuestión de horas y a una escala masiva. Ese cambio no es sólo una cuestión de velocidad: la manera en que la comunidad científica piensa el paso que va del conocimiento básico a un posible tratamiento.

Para dimensionar el giro, sirve una comparación doméstica: si antes había que iluminar una habitación encendiendo una vela por cada centímetro cuadrado, ahora es como si una sola lámpara potente pudiera encender toda la casa. La diferencia no es sólo de esfuerzo, sino de cuántas preguntas nuevas se pueden empezar a formular.

Por qué importan las proteínas

Las proteínas son las máquinas microscópicas del cuerpo: transportan oxígeno, defienden de infecciones, envían señales entre células y sostienen la estructura de los tejidos. Cuando una proteína no funciona bien, suele aparecer una enfermedad. Por eso, conocer su forma tridimensional es clave: esa forma determina qué puede hacer y a qué fármacos respondería. Es como tener una cerradura: si no se vio la llave original, cuesta fabricar una copia que funcione.

Cómo funciona el análisis con IA

• El sistema recibe la secuencia de aminoácidos, que es la lista ordenada de los bloques químicos que forman la proteína, algo así como el orden de las letras en una palabra muy larga.
• A partir de ahí, el modelo predice cómo se pliega esa cadena en el espacio, es decir, qué forma tridimensional adopta.
• Esa forma se cruza luego con bases de datos de moléculas conocidas para evaluar cuáles podrían unirse a la proteína y modificarla.
• El resultado se usa para investigar el papel de la proteína en una enfermedad y para proponer candidatos a fármacos que serán validados después en el laboratorio y en ensayos clínicos.

El libro La ola que viene, de Mustafa Suleyman, cofundador de DeepMind, recoge parte de ese recorrido y lo proyecta hacia adelante. Su planteo es que la próxima etapa consistirá en reunir, dentro de los mismos modelos, datos genéticos, químicos y clínicos, una combinación que podría facilitar la detección temprana de enfermedades, guiar el desarrollo de terapias y ajustar los tratamientos a cada paciente. Es lo que se conoce como medicina personalizada.

El horizonte del envejecimiento

En ese mismo libro, Suleyman menciona a Altos Labs como una de las compañías que investigan la reprogramación del epigenoma, es decir, los interruptores químicos que regulan cuándo un gen se activa y cuándo se apaga sin cambiar la secuencia del ADN. El objetivo declarado de esos trabajos es explorar formas de frenar o revertir el envejecimiento celular. A partir de estos avances, el autor imagina un futuro en el que llegar a los cien años en buenas condiciones sea habitual, aunque él mismo presenta esa expectativa como una proyección a varias décadas, no como un resultado ya alcanzado.

Qué falta para que llegue a la gente

Que las proteínas se puedan analizar con inteligencia artificial no significa que haya un fármaco nuevo en la farmacia. Falta validar cada candidato en el laboratorio, en animales y en ensayos clínicos con personas, un proceso que suele llevar años. También queda pendiente resolver quién accede a estos tratamientos y bajo qué reglas, ya que las mejoras físicas y cognitivas derivadas de estos avances abren preguntas de acceso, regulación y límites éticos. Suleyman advierte sobre esas cuestiones en su libro, aunque el fragmento consultado quedó cortado antes de desarrollar ese punto. La parte técnica avanza con fuerza; la conversación social sobre sus consecuencias todavía tiene mucho por delante.