Un ingeniero de proteínas se parece a un cocinero que intenta hacer un plato que sea a la vez sabroso, saludable y barato. Al cambiar un ingrediente, corre el riesgo de estropear otro. Antes, los asistentes informáticos solo podían evaluar las propiedades de las proteínas por separado, sin ver cómo se relacionan entre sí.

El nuevo trabajo compara tres tipos de redes neuronales que aprenden a predecir varias propiedades de una proteína a la vez a partir de su "receta": la secuencia de aminoácidos. Una de ellas, con una capa final bayesiana, resultó ser la más fiable: manejaba mejor los datos imprecisos y ganaba en el 70% de las pruebas.

Sorprendentemente, la forma más simple de codificar una proteína —simplemente indicar qué aminoácido está en cada posición— no fue inferior a los métodos complejos en una cuarta parte de las tareas. Y comprimir los datos antes del entrenamiento mejoraba la precisión hasta en un 42%. Ahora los ingenieros tienen reglas probadas: cómo elegir un modelo para obtener proteínas con las propiedades deseadas más rápidamente, desde detergentes hasta medicamentos.