Cuando un virus invade el cuerpo o aparece una célula cancerosa, entran en escena las células T, los combatientes del sistema inmunitario. Cada célula T tiene su propio receptor, una molécula con forma de cerradura que busca la llave adecuada: un fragmento de proteína (péptido) en la superficie de la célula enferma. Si la llave encaja, la célula T se activa y destruye al enemigo. Pero hay miles de millones de cerraduras y llaves, y predecir qué receptor funcionará contra un péptido concreto es una tarea dificilísima.

Los modelos computacionales intentan resolverla leyendo las secuencias de aminoácidos, las letras que componen las proteínas. El nuevo modelo ImmSET funciona como un traductor atento: observa un conjunto de receptores y un conjunto de péptidos y aprende a emparejarlos entre sí. A diferencia de los modelos anteriores, que comparaban pares de uno en uno, ImmSET considera todo el conjunto a la vez, como si el traductor no escuchara frases sueltas, sino toda la conversación.

Los científicos probaron el modelo con datos de distintos tamaños y composiciones. Descubrieron que cuantos más ejemplos de entrenamiento, más precisas las predicciones, como un estudiante que resuelve cada vez más problemas. Con suficientes datos, ImmSET superó incluso a AlphaFold2 y AlphaFold3, los famosos modelos que predicen la forma de las proteínas. Esto significa que para la tarea de "reconocimiento" no solo importa la forma, sino también el propio texto de la secuencia.

Este enfoque no solo es útil en inmunología. Cualquier tarea que requiera emparejar conjuntos de secuencias biológicas, como la interacción de enzimas o moléculas de señalización, puede beneficiarse de un modelo que vea el panorama completo. Y para la medicina, es un paso hacia la elección de terapias basadas en el "pasaporte inmunitario" único de cada paciente.