La inteligencia artificial está transformando el campo de la bioquímica farmacéutica al permitir el diseño de proteínas completamente nuevas, estructuras moleculares que no existen en la naturaleza y que podrían convertirse en la base de tratamientos médicos de próxima generación, según reporta El Ecosistema Startup. Este avance representa uno de los cambios más significativos en la forma en que la ciencia concibe el desarrollo de medicamentos, desplazando el modelo tradicional de búsqueda y modificación de compuestos naturales hacia la creación de moléculas hechas a medida desde cero.

De acuerdo con la fuente, los sistemas de inteligencia artificial aplicados al diseño de proteínas son capaces de explorar un espacio molecular vastísimo, combinando secuencias de aminoácidos de maneras que la evolución biológica nunca habría ensayado en millones de años. Los modelos computacionales predicen la forma tridimensional que adoptará una proteína diseñada, así como su capacidad para interactuar con dianas específicas en el organismo, lo que permite orientar su función terapéutica antes de que sea sintetizada en el laboratorio. Esta capacidad predictiva reduce drásticamente el tiempo y el costo asociados a las fases iniciales del desarrollo farmacéutico, según señala El Ecosistema Startup.

El proceso tradicional de descubrimiento de fármacos ha dependido históricamente de dos grandes fuentes: los compuestos derivados de organismos vivos —plantas, hongos, bacterias— y la modificación química de moléculas ya conocidas. Ambos enfoques implican largos ciclos de ensayo y error, con tasas de fracaso elevadas y costos que, según estimaciones ampliamente documentadas en la industria, pueden superar los mil millones de dólares por medicamento aprobado, considerando los candidatos que no llegan a la etapa final. La irrupción de la IA ofrece una alternativa al acelerar la fase de identificación y validación preliminar de candidatos terapéuticos.

El antecedente más citado en este campo es AlphaFold, el sistema desarrollado por DeepMind —subsidiaria de Alphabet— que en 2020 y 2021 resolvió con alta precisión el problema del plegamiento de proteínas, uno de los desafíos más complejos de la biología computacional durante más de cinco décadas. Ese logro abrió la puerta a una generación de herramientas capaces no solo de predecir estructuras existentes, sino de generar estructuras nuevas con propiedades predefinidas. Desde entonces, laboratorios académicos y empresas emergentes del sector biotecnológico han intensificado la investigación en este campo, dando lugar a una oleada de startups especializadas en biología computacional y diseño molecular asistido por IA.

El diseño de proteínas artificiales tiene implicaciones que van más allá de los medicamentos convencionales. Entre las aplicaciones que se investigan figuran enzimas industriales más eficientes, materiales biológicos con propiedades inéditas y agentes terapéuticos capaces de atacar con mayor precisión células cancerígenas o patógenos resistentes a los antibióticos existentes. La posibilidad de crear moléculas optimizadas para una función específica, sin las restricciones que impone la evolución natural, amplía considerablemente el repertorio de herramientas disponibles para la medicina y la biotecnología.

Para la comunidad latina en Estados Unidos, estos desarrollos tienen una dimensión concreta: las enfermedades crónicas como la diabetes tipo 2, las enfermedades cardiovasculares y ciertos tipos de cáncer presentan prevalencias elevadas en esta población, según datos de los Centros para el Control y la Prevención de Enfermedades (CDC). Si el diseño de proteínas con IA logra reducir los tiempos de desarrollo y los costos de producción de nuevos fármacos, el impacto potencial sobre el acceso a tratamientos innovadores podría ser significativo para grupos que históricamente han enfrentado barreras en el sistema de salud estadounidense.

Según El Ecosistema Startup, el sector de startups dedicadas al diseño computacional de proteínas continúa atrayendo inversión y talento científico, con perspectivas de que los primeros candidatos terapéuticos generados íntegramente mediante IA avancen en los próximos años hacia ensayos clínicos formales. Los especialistas del sector anticipan que la integración de estas herramientas en los flujos de trabajo de las grandes farmacéuticas acelerará la llegada de nuevas moléculas a las fases de prueba regulatoria, aunque los plazos definitivos de aprobación seguirán dependiendo de los organismos competentes en cada país.

Fuente: El Ecosistema Startup