descubrimiento de fármacos con IA

Una orquesta de cien músicos toca sin director. Cada instrumento está afinado a la perfección, pero si un violín se desafina un poco, la armonía se desmorona.

En la escena del crimen se encuentra una mancha. El experto toma un hisopo y, unas horas después, el instrumento entrega una lista de las proteínas que componían el fluido. Antes, una prueba rápida podía fallar si había varios fluidos: la sangre se mezclaba con la saliva y la tira reactiva daba un resultado falso.

Un intérprete se distrae con cada ruido en la sala, y una reunión de una hora se convierte en dos. Algo parecido ocurre con los modelos fundamentales moleculares: aprenden el lenguaje de las moléculas a partir de corpus enormes, pero para cada nueva conversación requieren un ajuste. Monroe cambia las reglas: no aprende un idioma nuevo, sino que capta al instante el sentido común a partir de unos pocos ejemplos.

Buscar un material nuevo es como cocinar sin receta: pruebas y pruebas, y a menudo tiras todo a la basura. Antes, los científicos revisaban manualmente los artículos y probaban las composiciones una por una. Ahora ha aparecido un "chef robot" que lee la literatura, mezcla los componentes y observa el resultado.

Cuando el azúcar cae en el té, se disuelve. Pero, ¿por qué no vuelve a precipitarse? Todo se debe al potencial químico, una magnitud que indica cuán "conveniente" es para una sustancia encontrarse en un lugar y estado determinados. Para una sustancia pura es fácil de calcular, pero para una mezcla de varios componentes es un verdadero rompecabezas.

Una proteína se desliza por la hebra de ADN como una llave por un llavero, buscando su cerradura. Un giro equivocado y el gen quedará apagado. Para saber dónde se agarrará la proteína con firmeza, hay que medir la fuerza de ese agarre: la energía de unión.

El navegador cada mañana traza una ruta evitando atascos y cortes. De manera similar, un nuevo agente de IA reconstruye la ruta para la irradiación antes de cada sesión de radioterapia.

En los cruces sin semáforos, los humanos negocian con la mirada. Un vehículo autónomo no puede hacerlo: debe decidir simultáneamente si avanzar o ceder el paso, y trazar una trayectoria. Antes, estas tareas se separaban, lo que provocaba maniobras bruscas y peligrosas. Los científicos las han unificado mediante campos de fuerza virtuales que envuelven cada coche.

Un enjambre de robots se asemeja a una bandada de luciérnagas: cada uno se mueve por instinto 'hacia donde hay más espacio', y el caos se convierte en orden. Durante mucho tiempo fue un misterio cómo surge la coordinación sin comunicación ni órdenes.

Ensamblar un chip óptico es como un juego en el que hay que guiar un rayo a través de un laberinto de diminutos espejos y divisores de haz. Cada uno de estos elementos funciona como una aguja en una vía de tren: o deja pasar la luz de frente o la desvía a la vía contigua. El objetivo es obtener a la salida un patrón de luz estrictamente definido, gastando la menor cantidad posible de “agujas”.

DFTB es un tren de alta velocidad en el mundo de la química cuántica: cientos de veces más rápido que el DFT clásico, pero aún sobre rieles electrónicos. Sin embargo, su motor — la autoconsistencia iterativa de cargas — a veces se asemeja a una orquesta donde cada instrumento comienza con una nota arbitraria.

Dentro de cada uno de nosotros laten unos relojes invisibles. Controlan la liberación de cortisol, la hormona que nos ayuda a despertarnos por la mañana, a lidiar con la ansiedad y a mantener el sistema inmunitario en forma. En la insuficiencia suprarrenal, estos relojes se estropean: el cuerpo no puede producir por sí solo la cantidad necesaria de cortisol.

Un enorme libro de cocina: cada receta es una proteína, y el plato terminado es su función en la célula. Para preparar un manjar complejo, a menudo hay que mezclar varios ingredientes y dejar que 'cuajen' en la forma adecuada. Hasta ahora, los chefs científicos solo podían adivinar cómo se plegarían las recetas ajenas.

Imagina una audición para una orquesta sinfónica, donde de cientos de aspirantes solo se quedan aquellos cuyos instrumentos suenan limpios y resisten un feroz crescendo. En el mundo de los materiales, las computadoras han aprendido a generar «partituras atómicas»: miles de cristales virtuales que prometen ser la base de chips cuánticos o superconductores.

El oro no está en la superficie: se esconde en toneladas de roca estéril. Para extraer un gramo del metal precioso, los buscadores tamizan metros cúbicos de tierra.

Crear un material con propiedades predeterminadas es un arte que durante mucho tiempo dependió de la intuición y la suerte. La naturaleza no da pistas: decenas de elementos en la tabla periódica, y el número de sus combinaciones tiende al infinito. Antes, los científicos de materiales parecían alquimistas que probaban todo a ciegas, o confiaban en modelos estadísticos que perdían fuerza más allá de lo conocido.

El electrolito sólido no es una simple red cristalina, sino una auténtica metrópolis bulliciosa para los iones. Cada acto de conducción se asemeja a un viaje por la ciudad: hay amplias avenidas con baja barrera energética, atascos sin salida en cuellos de botella y desvíos traicioneros donde un ion puede quedarse atrapado.

Un ingeniero ajusta una antena: estira un segmento y la frecuencia se desplaza; cambia el ángulo y la ganancia cae. Algo parecido ocurre en el desarrollo de péptidos terapéuticos (cadenas cortas de proteínas).

Los cristales de perovskita capturan la luz solar casi como el silicio, pero cuestan una miseria. Su problema es una fragilidad innata: con el calor y la simple agua del aire, 'enferman'. En su interior crece el desorden, y la brillante lámina se vuelve turbia, perdiendo sus capacidades en un par de días.

Los cálculos computacionales del comportamiento de los materiales han sufrido durante mucho tiempo de dos extremos: o modelos rápidos pero inexactos, o cálculos físicos precisos pero lentos. Los programas modernos, entrenados con datos, casi han resuelto este dilema; ahora el cuello de botella no es la potencia, sino la rutina humana: configurar simulaciones y verificar resultados.

Crear una aleación de varios metales es como cocinar una sopa con ingredientes desconocidos: adivinar la textura final sin pruebas es casi imposible. Los modelos habituales suelen fallar cuando hay más de tres tipos de átomos.

Un laboratorio envía a un robot una lista de mil moléculas candidatas para un nuevo fármaco. El robot predictor, entrenado con datos antiguos, da para cada una una evaluación de 'apta o no apta'. Pero cuando la lista proviene de un área desconocida —otro virus o un tumor raro—, el robot empieza a confundirse. Su confianza sigue siendo alta, pero los aciertos reales caen a cero.

Seleccionar un solo microchip defectuoso entre un millón, sin ninguna pista de cómo es el fallo, es un clásico problema de buscar una aguja en un pajar. Una computadora clásica probaría cada chip uno por uno.

Un garaje enorme con cientos de plazas de aparcamiento. Llegas en un cochecito diminuto —la molécula del futuro fármaco— y quieres encontrar el único hueco libre donde encaje perfectamente. Solo que estos huecos no son de hormigón, sino que están tejidos con cadenas de ADN o ARN, y las reglas de aparcamiento no están escritas en ninguna parte.

En un automóvil, la dirección, los frenos y el acelerador fallan gradualmente. Al principio aún se puede esquivar un bache, pero cada año la maniobra exige más esfuerzo. Llega un momento en que incluso una carretera perfecta se vuelve insuperable: el coche ya no obedece al conductor.

Una gota de sangre extraída de una vena se expone a tres haces de luz, y cada uno saca a la luz sus propias pistas. El haz infrarrojo hace vibrar las moléculas; por esa vibración se sabe cuántos azúcares y grasas hay en la muestra.

Dentro de cada célula hierve la vida: diminutas máquinas proteicas transportan cargas sin descanso, leen genes y corrigen errores. Pero su trabajo dista de ser perfecto: a menudo patinan, dan pasos hacia atrás o se quedan atrapadas en ciclos inútiles. Es como un atasco urbano, donde los coches corretean sin rumbo quemando gasolina.

Un rayo láser se divide en decenas de finos hilos, atraviesa un vidrio esmerilado y vuelve a concentrarse en un solo punto. Así se ve la mesa de trabajo en la que se ha sentado el programa. No recibió instrucciones, solo un objetivo general: comprender cómo cambia la luz al atravesar un medio dispersivo y encontrar algo nuevo.

La bombilla se enciende solo en la habitación adecuada. Así funcionan aproximadamente los fármacos fotoactivables: se "encienden" únicamente donde se dirige la luz y no tocan el resto del organismo. Esto es especialmente importante en el tratamiento del cáncer: la quimioterapia convencional golpea a todas las células en división por igual, causando graves efectos secundarios.

Buscar un material nuevo es como buscar una aguja en un pajar, pero aquí el pajar son millones de combinaciones posibles de átomos. Antes, los científicos pasaban años probando opciones en el laboratorio, confiando en la intuición y la suerte. Ahora, la inteligencia artificial viene al rescate y aprende a "entender" el lenguaje de los cristales.

En un laboratorio donde se estudian cristales, el técnico mira la pantalla con un salpicón de manchas brillantes y gira lentamente la muestra hasta que las manchas forman un patrón simétrico. Es como sintonizar una radio vieja: giras la perilla hasta que el ruido se convierte en señal clara. Ahora, esa perilla la puede girar una máquina.

El mejor asistente de IA para científicos ha salido peor en el examen que un estudiante mediocre en un control. Solo un 21% de respuestas correctas, y eso es el techo para los cuatro modelos más potentes. Los problemas de la nueva prueba no los escribieron programadores, sino estudiantes de posgrado: personas que lidian a diario con la ciencia real. La prueba se llama COMPOSITE-STEM.

Un traductor que nunca ha asistido a una reunión traduce literalmente y pierde la mitad del sentido. No sabe que un asentimiento del jefe significa «hazlo como la vez pasada», y que la frase «bueno, ya veremos» es un rechazo cortés. Así también un modelo de lenguaje que escribe código a partir de un artículo científico: las ecuaciones las lee, pero los acuerdos tácitos no.

Crear un material nuevo, como una aleación resistente, requiere miles de experimentos computacionales. Normalmente, un científico escribe manualmente las instrucciones y busca errores. AutoMOOSE es una cocina robotizada: dices «quiero un metal ligero y fuerte», y cinco programas cocineros crean la receta, ejecutan la síntesis y corrigen si algo sale mal.

Una aleación de siete metales es como un equipo donde cada jugador tira de la manta hacia sí. Los átomos de hierro, cobalto, níquel, aluminio, titanio, tantalio y vanadio pueden colocarse en un patrón estricto o dispersarse en posiciones aleatorias. De ello depende que el material sea tan resistente como el acero o tan ligero como el aluminio.

Un físico que analiza colisiones de partículas suele pasar semanas en trabajo aburrido: limpiar el ruido de los datos, estimar cuántas señales falsas se colarán, verificar cada cifra. Ahora esa rutina se puede delegar a un programa.

Las cápsides son cajas de proteína que los virus usan para transportar su material genético. En la terapia génica, estas cajas se utilizan como mensajeros: dentro se coloca el gen deseado y por fuera conservan la capacidad de penetrar en las células.

Dentro de cada diminuta partícula que compone el cátodo de una batería de iones de sodio, el sodio se distribuye de manera desigual, como si el azúcar en el té se hubiera apelmazado en grumos. Esto reduce la capacidad y la vida útil de la batería.

La ciencia se parece a una ciudad donde las calles las trazan los propios habitantes. Donde ya hay senderos pisoteados se construyen casas nuevas, mientras que los solares vírgenes pasan desapercibidos, no porque no se pueda construir allí, sino porque nadie se acerca a mirarlos.

Antes, los modelos generativos para el descubrimiento de fármacos funcionaban como un artista que pinta sin elegir el lienzo. Se entrenaban con moléculas existentes y simplemente generaban otras similares, sin considerar cómo está organizado el propio espacio de compuestos posibles.