Un nuevo sistema de IA diseña proteínas átomo por átomo, y funcionan
Un sistema de inteligencia artificial generativa que diseña proteínas y ácidos nucleicos átomo por átomo ha publicado ahora su plano completo, y las proteínas que inventó desde cero han llevado a cabo la química prevista en reacciones reales de laboratorio.
El sistema, llamado RFdiffusion3 o RFD3, fue construido por un equipo internacional en el que participan, entre otros, la Universidad de Washington en Estados Unidos, la Universidad de Oxford en Reino Unido y la empresa de chips Nvidia. Los detalles aparecieron en la revista Science, con reportes que circularon en la prensa tecnológica china el 19 de octubre. El equipo incluye a David Baker, el profesor de la Universidad de Washington que compartió el Premio Nobel de Química 2024 por su trabajo en el diseño computacional de proteínas.
El avance tiene que ver con la resolución. Las herramientas anteriores de diseño de proteínas trabajaban con bloques de construcción más grandes, organizando fragmentos de estructura proteica como un diseñador que mueve muebles por una habitación. RFD3, en cambio, modela átomos individuales, lo que le permite colocar cada enlace y cadena lateral con un control mucho más fino. Según los reportes, puede generar estructuras proteicas aproximadamente un orden de magnitud más rápido que la generación anterior del sistema.
Esa velocidad y precisión importan porque las proteínas son las máquinas moleculares que hacen la mayor parte del trabajo dentro de las células vivas. Si los investigadores pueden inventar nuevas a demanda, pueden apuntar a problemas que las proteínas naturales nunca evolucionaron para resolver: nuevos catalizadores para la química industrial, sensores, materiales y posibles medicamentos.
La afirmación más llamativa es que esto no es solo un ejercicio computacional. Las proteínas recién diseñadas por RFD3 se sintetizaron y probaron, y realizaron las funciones que los diseñadores pretendían en reacciones químicas reales. Ese paso, de una estructura predicha en una pantalla a una molécula funcional en un tubo de ensayo, es donde históricamente tropiezan la mayoría de los esfuerzos de diseño computacional.
El sistema también se extiende más allá de las proteínas a los ácidos nucleicos como el ADN y el ARN, ampliando la gama de herramientas moleculares que los científicos pueden intentar construir. El equipo publicó su esquema de diseño detallado para que otros grupos puedan examinar y construir sobre el método, una práctica que se ha vuelto común en el campo de rápido movimiento de la biología impulsada por IA.
El trabajo encaja en un cambio más amplio en las ciencias de la vida, donde el aprendizaje automático está pasando de analizar datos a proponer moléculas completamente nuevas. El diseño de proteínas se ha convertido en una de las demostraciones más claras de que los modelos generativos pueden producir objetos que no existen en la naturaleza y que aún se comportan como se pretende en condiciones del mundo real.
Para los lectores globales, la importancia es menos sobre cualquier molécula individual que sobre la herramienta misma. Un sistema que puede esbozar una proteína a nivel atómico, y hacer que ese esbozo se sostenga en el laboratorio, acorta el camino de la idea al experimento. La próxima prueba será si los laboratorios de todo el mundo pueden usarlo para diseñar proteínas que resuelvan problemas prácticos en medicina e industria, en lugar de solo demostraciones elegantes.