Una reciente innovación en inteligencia artificial está abriendo caminos inéditos en la biología molecular: un sistema de IA, inspirado en modelos como ChatGPT, es capaz de generar proteínas completamente nuevas y funcionales a partir de simples instrucciones escritas en lenguaje natural. Esta herramienta, desarrollada por investigadores del Laboratorio Nacional del Noroeste del Pacífico (PNNL) y la Universidad de Harvard, combina la potencia de los grandes modelos lingüísticos con una base de datos masiva de proteínas naturales y sintéticas para diseñar estructuras nunca vistas. En vez de limitarse a modificar proteínas ya conocidas, este sistema puede sugerir nuevas secuencias aminoacídicas que forman moléculas funcionales desde cero.

Esto no solo supone un cambio en la forma en que se diseñan proteínas para aplicaciones médicas, industriales o medioambientales, sino que también permite a biólogos sin formación en programación acceder a herramientas de diseño molecular avanzadas. El sistema puede generar proteínas que resisten altas temperaturas, se activan en presencia de ciertas sustancias químicas o actúan como biosensores. Gracias a esta aproximación, el diseño racional de proteínas se vuelve más accesible, veloz y flexible.

En este artículo se analizan las implicaciones de este avance, su funcionamiento técnico, y sus posibles aplicaciones, además de poner el foco en uno de los sistemas más prometedores desarrollados hasta la fecha: ProtGPT2.

La IA como herramienta creativa en biología: de texto a proteína

En lugar de trabajar exclusivamente con datos estructurados o simulaciones físicas como hacían muchas IAs anteriores, este nuevo modelo adopta el paradigma del lenguaje natural. Esto significa que un investigador puede escribir algo tan simple como «proteína fluorescente activa en ambientes ácidos», y el sistema responde con una secuencia aminoacídica plausible que cumple con esos requisitos.

Este enfoque se basa en grandes modelos de lenguaje (LLM, por sus siglas en inglés) entrenados con millones de ejemplos de proteínas. Así como ChatGPT genera frases coherentes basadas en un contexto lingüístico, este modelo genera cadenas de aminoácidos con sentido estructural y funcional dentro del contexto bioquímico. La versión desarrollada por el equipo de PNNL ha sido ajustada mediante aprendizaje reforzado con retroalimentación humana (RLHF) para garantizar que las secuencias propuestas no solo sean teóricas, sino también útiles en entornos experimentales reales.

El resultado es un sistema capaz de generar más de 7000 moléculas nuevas al día, muchas de ellas con propiedades que no se encuentran en la naturaleza. Por ejemplo, algunas han mostrado capacidad de plegarse en estructuras estables en medios salinos o temperaturas extremas, algo vital para aplicaciones industriales.

ProtGPT2: la piedra angular del diseño molecular asistido por IA

Uno de los modelos más destacados en este nuevo panorama es ProtGPT2, desarrollado por un equipo europeo y liberado como código abierto. ProtGPT2 está entrenado con más de 50 millones de secuencias proteicas y utiliza mecanismos de atención similares a los empleados por GPT-3, pero adaptados al alfabeto de 20 aminoácidos.

La arquitectura de ProtGPT2 permite generar proteínas de novo, es decir, que no derivan de ninguna conocida. Un ejemplo específico del potencial de ProtGPT2 es su capacidad para crear proteínas con dominios funcionales combinados, como una proteína que pueda unirse a ADN y, al mismo tiempo, activar una enzima específica en presencia de luz. Este tipo de funciones combinadas son muy difíciles de encontrar en la naturaleza y mucho más aún de diseñar sin asistencia computacional.

Además, el modelo se ha evaluado usando herramientas como AlphaFold2 para predecir el plegamiento de las secuencias generadas, lo que ha confirmado que una proporción significativa de ellas adoptan estructuras estables y funcionales. Este punto es crucial, ya que muchas proteínas artificiales fallan no por su secuencia sino por su incapacidad de adoptar la conformación correcta.

El impacto potencial: medicina, medio ambiente e industria

El diseño asistido por IA no se limita al ámbito académico. En medicina, podría facilitar la creación de proteínas terapéuticas específicas para cada paciente, como enzimas que degraden compuestos tóxicos en enfermedades raras. En el campo medioambiental, este tipo de herramientas pueden generar proteínas capaces de descomponer plásticos o capturar CO₂ atmosférico. Por ejemplo, un equipo ya está trabajando en una enzima generada por IA que transforma microplásticos en subproductos inocuos en presencia de luz solar.

En la industria alimentaria, estas proteínas podrían reemplazar conservantes químicos o aportar funcionalidades nuevas a alimentos procesados. Las posibilidades se amplían en función de los datos que se introduzcan en el modelo, lo que pone el poder creativo en manos del usuario.

Un dato técnico relevante: la capacidad de plegamiento de estas proteínas generadas se sitúa en torno al 40-60% de éxito en pruebas simuladas con AlphaFold, lo que representa un avance sustancial respecto a métodos previos de diseño aleatorio. A su vez, el uso de modelos como ProtGPT2 ha reducido el tiempo de diseño por proteína de semanas a tan solo unos minutos.

Un acceso más democrático a la biología computacional

Un aspecto muy destacado de este avance es la accesibilidad. Los biólogos ya no necesitan dominar programación, modelos físicos de plegamiento ni complejos sistemas de simulación. Basta con conocer el lenguaje de la biología molecular y ser capaz de describir con claridad lo que se busca. Este cambio de paradigma puede favorecer que pequeños laboratorios o incluso investigadores individuales sin grandes recursos participen en el diseño de moléculas útiles.

Asimismo, el código abierto de modelos como ProtGPT2 permite que universidades, startups o laboratorios sin financiación millonaria puedan personalizar y adaptar el modelo a sus necesidades. Se está trabajando también en versiones optimizadas para ordenadores personales o servidores ligeros, algo que democratizaría aún más el acceso.

Reflexiones adicionales: ética, límites y próximos pasos

A pesar del entusiasmo, este tipo de tecnología plantea preguntas importantes. ¿Cómo se regulan las proteínas sintéticas que no existen en la naturaleza? ¿Qué ocurre si se crean moléculas con funciones biológicas imprevistas? Al igual que sucedió con la edición genética, el diseño de proteínas por IA requerirá marcos éticos y normativos que aún están en desarrollo.

Por otro lado, hay límites técnicos actuales: el modelo aún no puede predecir con total precisión la dinámica molecular, la interacción con otros compuestos o los efectos a largo plazo de las proteínas generadas. No obstante, el hecho de que pueda sugerir estructuras viables en cuestión de minutos es ya un hito considerable.

El siguiente paso será integrar estas herramientas con modelos predictivos más detallados (como simulaciones cuánticas o análisis de dinámica molecular) para cerrar el ciclo entre generación y validación. Se espera también que estos sistemas evolucionen para trabajar con instrucciones más complejas y con restricciones específicas, como compatibilidad con ciertas células, tiempos de vida determinados o respuesta a estímulos concretos.