El movimiento más reciente lo dio Anthropic. Su equipo puso a prueba sus modelos Claude en el diseño de novo de proteínas, un proceso que suele tomar semanas o meses a especialistas humanos. El desafío consistía en enfrentarse a 15 proteínas objetivo diferentes y diseñar, para cada una de ellas, decenas de pequeñas moléculas candidatas capaces de acoplarse con precisión para activar o bloquear funciones biológicas.
Sin intervención humana tras la indicación inicial, el sistema coordinó modelos de predicción de estructura, optimizó secuencias en múltiples rondas y seleccionó las variantes más viables. Cuando los laboratorios independientes Adaptyv Bio y Twist Bioscience sintetizaron y probaron las moléculas en el mundo real, los resultados fueron categóricos: el sistema generó uniones efectivas para 14 de las 15 proteínas objetivo evaluadas. Pero el dato más revelador estuvo en la precisión individual de sus propuestas: mientras que en el diseño molecular tradicional solo entre el 10 % y el 15 % de las moléculas candidatas suelen funcionar en el tubo de ensayo, las propuestas de Claude alcanzaron una tasa de éxito de entre el 22 % y el 35 %.
Es decir, no solo resuelve más problemas, sino que falla mucho menos en el intento, reduciendo drásticamente el desperdicio de tiempo y reactivos en el laboratorio. En otro experimento paralelo, el modelo procesó datos brutos de espectrometría y resonancia magnética en unos 20 minutos, igualando la precisión del análisis químico manual.
- Quizá también puede interesarte leer: Inteligencia artificial y biotecnología para crear nuevos medicamentos
Esta capacidad para orquestar la investigación tiene precedentes que conviene mencionar. El terreno estaba preparado gracias al trabajo previo de Google DeepMind y su saga de modelos AlphaFold. Resolver la estructura tridimensional de una proteína a partir de su secuencia lineal de aminoácidos fue un desafío científico con avances en pequeños pasos durante medio siglo.
Con AlphaFold 2 y AlphaFold 3, DeepMind además de virtualmente resolver este problema, aplicó dichos modelos para predecir la estructura tridimensional de cientos de millones de estructuras proteicas, junto a sus interacciones con ADN, ARN y moléculas pequeñas, haciendo pública esa gigantesca base de datos. Hoy, cualquier laboratorio que investiga la resistencia a los antibióticos o nuevas vacunas empieza su trabajo consultando esos mapas digitales. El desarrollo de AlphaFold derivó en un premio Nobel de Química en 2024.
View this post on Instagram
Por una ruta complementaria avanzan proyectos como los del Chan Zuckerberg Biohub y organizaciones como EvolutionaryScale que derivan de Facebook Research. Aquí la premisa es tratar la biología como un lenguaje natural. Modelos como la familia ESM (Evolutionary Scale Modeling) entrenan redes neuronales profundas con miles de millones de secuencias acumuladas a lo largo de eones de selección natural. Al aprender las reglas sintácticas de la evolución, estos algoritmos tienen la capacidad de generar proteínas totalmente nuevas completamente funcionales, útiles tanto para terapias médicas como para neutralizar contaminantes industriales.
Para que toda esta maquinaria funcione hace falta una infraestructura formidable. Ahí es donde entra NVIDIA con BioNeMO, una plataforma de supercomputación y microservicios creada para integrar este universo de modelos. BioNeMO permite a biólogos e informáticos encadenar predicciones de estructura, análisis de secuencia y simulación de acoplamiento en un solo flujo, eliminando las barreras técnicas que antes exigían montar una supercomputadora propia.
Según explica el coordinador académico adjunto de Bioinformática, Mag. Ignacio Ferrés, "Para un estudiante universitario o alguien que evalúa qué carrera seguir, este escenario cambia por completo las reglas del juego. La bioinformática, el punto donde se cruzan la programación, la inteligencia artificial, la química, la biología y la medicina, viene dejando de ser una especialidad de nicho para convertirse en el próximo hito donde las grandes empresas tecnológicas del siglo XXI tienen el ojo puesto".
Visualizar una carrera en este campo implica incorporar conocimientos profundos de biología, programar algoritmos, analizar patrones evolutivos con ciencia de datos y validar los resultados en experimentos reales. Escribes código en la pantalla y, semanas después, ese código se materializa en una molécula diseñada para combatir una enfermedad. Quienes busquen trabajar en problemas de escala global encontrarán en la bioinformática uno de los terrenos más fértiles de las próximas décadas.
Conocé más sobre la Licenciatura en Bioinformática