Proteínas bajo la lupa de la inteligencia artificial: qué cambió en la investigación de enfermedades y fármacos
AlphaFold abrió una ventana para estudiar estructuras que antes llevaban años. El cofundador de DeepMind describe cómo esa capacidad se conecta con el diseño de medicamentos, la medicina personalizada y la investigación del envejecimiento, aunque advierte sobre los debates éticos que todavía quedan abiertos.
En un laboratorio de Santiago del Estero, un equipo de investigación local tardaba meses en descifrar la estructura de una sola proteína clave para el chagas. Hoy, herramientas como AlphaFold resuelven esa misma tarea en minutos. El cambio no es menor: entender cómo se pliega una proteína es el primer paso para diseñar un fármaco que la reconozca y la bloquee.
Qué aporta la inteligencia artificial al estudio de proteínas
AlphaFold, desarrollado por DeepMind, permitió examinar estructuras proteicas a gran escala, algo que antes demandaba años de trabajo experimental. Ese conocimiento funciona como base para investigar enfermedades y avanzar en el diseño de medicamentos, porque muchas terapias actúan justamente sobre proteínas específicas.
La aplicación va más allá de procesar información con rapidez. Los sistemas de IA pueden trabajar con grandes conjuntos de datos biológicos y simular secuencias moleculares. Esa capacidad resulta clave en la búsqueda de tratamientos, donde el análisis computacional se conecta con preguntas concretas sobre cómo funciona el organismo y cómo intervenir ante una enfermedad.
El planteo de Mustafa Suleyman
Mustafa Suleyman, cofundador de DeepMind, desarrolla estas posibilidades en su libro La ola que viene: Tecnología, poder y el gran dilema del siglo XXI. Su planteo parte de entender el ADN como información que la ciencia puede estudiar y modificar mediante herramientas de laboratorio y sistemas informáticos. El siguiente paso que propone consiste en reunir información genética, química y clínica dentro de los mismos modelos.
- Detectar enfermedades en etapas tempranas mediante el cruce de datos.
- Orientar el desarrollo de terapias con mayor precisión.
- Adecuar los tratamientos a las particularidades de cada paciente.
Esas tres líneas resumen el rumbo hacia una medicina personalizada, donde la decisión clínica se apoya en modelos que integran información diversa en lugar de analizar cada variable por separado.
Envejecimiento, longevidad y debates abiertos
La investigación del envejecimiento integra ese panorama. Suleyman menciona a Altos Labs entre las compañías que estudian la reprogramación del epigenoma, los mecanismos que controlan la actividad de los genes. El objetivo de esos trabajos es explorar maneras de frenar o revertir el envejecimiento, no reemplazar tratamientos existentes.
A partir de esos desarrollos, el autor imagina un futuro en el que alcanzar los cien años con buena salud sea una situación habitual. Esa expectativa aparece como una proyección a varias décadas: los avances descriptos en el análisis de proteínas y la investigación genética no equivalen a haber alcanzado ese resultado.
Suleyman también advierte que las posibles mejoras físicas y cognitivas plantean preguntas sobre el acceso, la regulación y los límites éticos. Quiénes acceden a esas terapias, cómo se regulan y hasta dónde se interviene sobre el cuerpo humano son debates que la nota técnica todavía no resolvió y que acompañarán cada nuevo avance.
