Nuevas herramientas de IA aceleran la investigación de proteínas y medicamentos

Miércoles 11 Marzo 2026 - 07:50

Una nueva generación de herramientas basadas en inteligencia artificial está cambiando la forma en que los científicos estudian la regulación genética, analizan estructuras proteicas y desarrollan compuestos farmacéuticos. Diversos estudios recientes muestran que los sistemas de aprendizaje automático pueden reducir procesos experimentales que antes tomaban meses o años a apenas unos días.

Un estudio publicado en Nature presentó un sistema de aprendizaje automático capaz de analizar decenas de miles de estructuras químicas para predecir cómo se ensamblarán las moléculas durante la síntesis de medicamentos. El sistema fue desarrollado por investigadores de la Universidad de Utah y la Universidad de California en Los Ángeles y permite acelerar el proceso de optimización de reacciones químicas, que normalmente requiere largos periodos de pruebas en laboratorio.

La herramienta aborda uno de los principales desafíos del uso de inteligencia artificial en química. Los modelos de IA suelen necesitar enormes volúmenes de datos para entrenarse, pero generar datos experimentales de alta calidad es costoso y complejo. Según el químico Matthew Sigman, de la Universidad de Utah, el sistema permite trabajar con conjuntos de datos más pequeños sin perder precisión en las predicciones. Además, el modelo puede aplicar sus resultados a reacciones químicas que no habían sido analizadas previamente.

En otra investigación, científicos de la Universidad de Yale en colaboración con la empresa farmacéutica Boehringer Ingelheim desarrollaron una plataforma de IA llamada MOSAIC. Según informó Nature en enero, el sistema identificó más de 35 nuevos compuestos, incluidos ingredientes farmacéuticos y cosméticos, con una tasa de éxito cercana al 71 por ciento.

La inteligencia artificial también está mejorando el estudio de las proteínas. El 10 de marzo, el Lawrence Berkeley National Laboratory anunció un programa llamado AQuaRef, descrito en Nature Communications, que combina cálculos cuánticos con inteligencia artificial para determinar estructuras proteicas con mayor precisión y con menor coste computacional.

En pruebas realizadas con 71 estructuras, el sistema superó a los métodos existentes y logró identificar correctamente la posición de protones en la proteína humana DJ-1, relacionada con ciertas formas de la enfermedad de Parkinson y considerada especialmente difícil de analizar.

Investigadores de la Universidad Nacional de Singapur presentaron por separado su herramienta D-I-TASSER, que predice estructuras proteicas complejas con una precisión aproximadamente un 13 por ciento superior a los métodos anteriores.

También se registran avances en el análisis de la regulación genética. Científicos del Joint BioEnergy Institute del Berkeley Lab desarrollaron una plataforma de alto rendimiento capaz de analizar miles de interruptores genéticos de plantas en un solo experimento. Estas secuencias de ADN determinan cuándo se activan o desactivan los genes, y su identificación ha sido uno de los principales obstáculos en la biología sintética vegetal.

Aunque la tecnología CRISPR permite modificar genes con gran precisión, identificar los elementos reguladores adecuados sigue siendo un proceso lento. La nueva plataforma busca acelerar este paso.

Por su parte, investigadores del Broad Institute del MIT y Harvard crearon un marco de inteligencia artificial que identifica automáticamente información celular compartida entre diferentes tipos de mediciones biológicas. Este enfoque permite a los científicos obtener una visión más completa de los estados celulares relacionados con enfermedades como el cáncer, el Alzheimer y diversos trastornos metabólicos.

Estos avances se producen en un momento clave para la investigación farmacéutica basada en inteligencia artificial. Según Drug Target Review, 2026 podría convertirse en un año decisivo, ya que varios medicamentos descubiertos mediante IA avanzan hacia ensayos clínicos de fase III.