💡 Resumen (TL;DR):
- Nuevas herramientas de machine learning están automatizando el diseño de fármacos y decodificando estructuras de proteínas a una velocidad inédita.
- Plataformas como MOSAIC lograron un 71% de éxito al identificar más de 35 nuevos compuestos para la industria.
- En 2026, los primeros medicamentos descubiertos por IA enfrentarán ensayos clínicos de Fase III.
Una nueva generación de plataformas de inteligencia artificial está transformando la biología celular y la síntesis química. Investigadores de diversas instituciones demostraron que el uso de algoritmos de machine learning logra comprimir años de costoso trabajo de laboratorio en apenas unos días de cálculo computacional.
En un estudio publicado este mes en la revista Nature, equipos de la Universidad de Utah y UCLA presentaron un sistema capaz de evaluar decenas de miles de estructuras químicas. Esta herramienta predice el ensamblaje molecular durante la síntesis de medicinas y soluciona la falta de bases de datos masivas para entrenar IA.
“Lo mejor de esta herramienta es que permite recopilar pequeñas cantidades de datos, construir modelos razonablemente buenos y hacer predicciones precisas para reacciones conocidas, y también transferir predicciones a reacciones que los modelos aún no han visto”, explicó Matthew Sigman, químico de la Universidad de Utah.
Por otra parte, la Universidad de Yale y Boehringer Ingelheim crearon MOSAIC, una plataforma que identificó más de 35 compuestos nuevos, incluyendo ingredientes farmacéuticos y cosméticos, con una tasa de éxito del 71% según reportó Nature en enero.
Mapeo cuántico e ingeniería vegetal
El 10 de marzo, el Lawrence Berkeley National Laboratory reveló su programa en Nature Communications. AQuaRef es un software que combina cálculos de mecánica cuántica con IA para determinar estructuras de proteínas con mayor precisión y menor costo computacional. En sus pruebas con 71 estructuras, el sistema logró ubicar correctamente las posiciones de los protones en la DJ-1, una proteína humana vinculada a formas del Parkinson y notoriamente difícil de mapear.
La aceleración de los laboratorios también alcanzó otros frentes del diseño molecular:
- D-I-TASSER: Investigadores de la Universidad Nacional de Singapur reportaron que su herramienta predice estructuras proteicas complejas con un 13% más de precisión que los métodos anteriores.
- Edición genética: El Joint BioEnergy Institute construyó una plataforma para probar miles de interruptores genéticos de plantas en un solo experimento, eliminando el cuello de botella al decidir dónde aplicar herramientas como CRISPR.
- Análisis celular: El Broad Institute de MIT y Harvard lanzó un framework de IA que rastrea información celular compartida entre múltiples mediciones, ofreciendo mapas detallados para el estudio del cáncer, Alzheimer y enfermedades metabólicas.
Estos avances tecnológicos marcan una transición inminente hacia la aplicación comercial. Según Drug Target Review, el año 2026 representará una prueba crítica para el sector biomédico, justo cuando los primeros fármacos descubiertos integramente por inteligencia artificial entren en sus ensayos clínicos de Fase III.
