Un compás molecular para buscar fármacos exprés

Original: "SEISMO: Increasing Sample Efficiency in Molecular Optimization with a Trajectory-Aware LLM Agent"
arXiv:2602.00663 · 2026-01-31 · CC BY 4.0 · 1 min
El programa aprende de cada intento y encuentra las moléculas deseadas varias veces más rápido.

Un químico que busca un nuevo fármaco se parece a un cocinero sin receta: tiene una lista de propiedades deseadas, pero millones de ingredientes posibles. Cada prueba cuesta caro y lleva tiempo, así que hay que probar con inteligencia.

El nuevo programa SEISMO actúa como un cocinero que prueba el plato tras cada paso y decide al instante qué añadir después. No espera a acumular un lote entero de intentos, sino que modifica la molécula tras cada medición. Además, recuerda todo el camino: qué ha probado, qué ha funcionado y qué no.

En las pruebas con 23 tareas, SEISMO alcanzaba las propiedades deseadas entre 2 y 3 veces más rápido que los programas anteriores, a menudo acercándose casi al máximo en 50 intentos.

Si al programa se le explica con palabras por qué una molécula no servía —por ejemplo, «se disuelve demasiado mal en agua»—, encuentra la solución aún más rápido. Esto significa que los consejos de un químico experimentado ayudan al programa tanto como las propias mediciones.

Este enfoque podría acelerar la búsqueda de fármacos y otras moléculas útiles, ahorrando tiempo y costosos experimentos.

El programa SEISMO debe su nombre al sismógrafo: así como el instrumento capta las mínimas vibraciones del suelo, el algoritmo capta las mínimas mejoras en las propiedades de la molécula.

Científicos
Erwin SchrödingerHugh Everett III
Conceptos
optimización descubrimiento de fármacos con IA optimización de recursos en computación cuántica máxima verosimilitud diseño de fármacos enzima algoritmo genético medicina personalizada aprendizaje activo slam medicina simulación atomística muestreo por importancia agente modelo de lenguaje de proteínas modelado estocástico automatización tamaño de muestra aceleración de dinámica molecular regresión simbólica