Las proteínas, como las personas, tienen linajes. Dos proteínas que realizan la misma función en organismos distintos descienden de un ancestro común. Comparando sus secuencias, se puede reconstruir esa historia. Pero cuando las proteínas divergieron hace mucho tiempo, los métodos habituales pierden el rastro: se acumulan tantas diferencias que la señal desaparece, como las fotografías antiguas que se desvanecen.
El nuevo enfoque, HyperEvoGen, construye un mapa de parentesco en un espacio curvo, uno donde las líneas paralelas pueden divergir. Este espacio se asemeja a una silla de montar: cuanto más lejos del centro, más rápido crece la distancia. En él, las proteínas descendientes se colocan en ramas que parten del ancestro, y las distancias entre ellas muestran honestamente cuántos pasos evolutivos las separan. La red neuronal aprende a ubicar las proteínas de modo que el mapa conserve la jerarquía del parentesco, sin perderla incluso para familias profundamente divergentes.
Este mapa no solo es útil para la historia. También ayuda a crear nuevas proteínas con las propiedades deseadas, ya que se puede avanzar por el mapa hacia los rasgos buscados. Para grandes familias de proteínas, donde los cálculos convencionales tomarían semanas, el nuevo método funciona en horas. Esto abre el camino para estudiar la evolución de miles de proteínas a la vez y para acelerar el desarrollo de enzimas y fármacos.
El espacio de Lobachevski, donde opera HyperEvoGen, es infinito: en él caben muchos más 'lugares' que en un mapa plano. Por eso, incluso proteínas muy distantes entre sí siguen siendo distinguibles y el parentesco no se pierde.