Cómo la inteligencia artificial ya descifra proteínas para buscar nuevos tratamientos

Cuando un científico quiere entender una proteína, necesita conocer la forma exacta que adopta esa molécula, porque de esa estructura depende su función en el organismo. Imagínenlo como si quisieran reparar un motor: no alcanza con saber que existe una pieza, hay que ver cómo encaja con las demás para saber qué hace y qué se puede cambiar. Durante décadas, obtener esa imagen costaba meses o años de trabajo en el laboratorio. La irrupción de la inteligencia artificial cambió esa película.

AlphaFold, la herramienta desarrollada por DeepMind, irrumpió en 2020 con la capacidad de predecir la estructura tridimensional de proteínas a gran escala. Para dimensionarlo: es como pasar de revelar fotos una por una en un cuarto oscuro a revelar un álbum entero en minutos. Ese salto permitió acumular un volumen inédito de datos que hoy sirve como materia prima para investigar enfermedades y pensar nuevos medicamentos.

Cómo funciona, en términos sencillos

• La IA recibe la secuencia de aminoácidos, que es el orden en que se encadenan los ladrillitos que forman una proteína.
• A partir de ahí, analiza patrones en millones de ejemplos conocidos y predice cómo se pliega la proteína en el espacio, es decir, qué forma final adopta.
• Esa predicción se valida después en el laboratorio, donde los científicos confirman si la estructura estimada coincide con la real.
• El resultado es un mapa detallado que sirve para investigar mutaciones asociadas a enfermedades y para diseñar moléculas que interactúen con esa proteína, el corazón del desarrollo de fármacos.

Mustafa Suleyman, cofundador de DeepMind, recoge estas posibilidades en su libro La ola que viene: Tecnología, poder y el gran dilema del siglo XXI. Su planteo parte de una idea sencilla pero potente: el ADN es información, y esa información puede leerse, estudiarse y modificarse con herramientas de laboratorio combinadas con sistemas informáticos.

El siguiente paso que propone el autor es reunir en un mismo modelo datos genéticos, químicos y clínicos. Si lo piensan como una mesa de trabajo, hoy cada disciplina aporta su propio informe por separado; la idea es integrarlos para sacar conclusiones más precisas. Esa combinación, según Suleyman, podría facilitar la detección temprana de enfermedades, ayudar a desarrollar terapias más ajustadas y adecuar los tratamientos a las particularidades de cada paciente, el corazón de la llamada medicina personalizada.

En paralelo, la investigación del envejecimiento se convirtió en uno de los terrenos donde estas herramientas se aplican con fuerza. Suleyman menciona a Altos Labs entre las compañías que estudian la reprogramación del epigenoma, que es el conjunto de interruptores que regulan qué genes se expresan y cuáles quedan en silencio. La metáfora útil es pensar en el epigenoma como el panel de control de una casa: no cambia las paredes, pero decide qué luces se prenden. El objetivo de esos trabajos es explorar cómo frenar o revertir el envejecimiento celular.

A partir de estos avances, el autor imagina un futuro en el que alcanzar los cien años con buena salud sea algo habitual. Es importante aclarar que se trata de una proyección a varias décadas: los logros concretos en análisis de proteínas y genética todavía no equivalen a haber llegado a ese escenario, y el propio Suleyman lo plantea como una posibilidad, no como una certeza.

El libro también incluye una advertencia que no conviene pasar por alto. Las eventuales mejoras físicas y cognitivas derivadas de estas tecnologías abren interrogantes sobre quién accede a ellas, cómo se regulan y qué límites éticos se imponen. Para Suleyman, la pregunta no es solo qué se puede hacer, sino quién decide qué se hace y con qué controles.

Qué falta para que llegue a todos

Aunque los modelos ya producen resultados en el terreno de la investigación, todavía falta un camino largo para que estas herramientas se traduzcan en tratamientos disponibles en hospitales y centros de salud. Los principales obstáculos son tres: validar cada predicción en ensayos clínicos que llevan años y demandan inversiones enormes, resolver los marcos regulatorios que aprueban nuevos fármacos, y discutir el acceso equitativo, porque estas terapias prometen ser costosas y podrían quedar concentradas en pocos países o en pocos bolsillos. La ciencia avanza rápido; los sistemas que llevan esas novedades a la gente, mucho más lento.