Nuevo modelo de IA mejora la precisión en la predicción de estructuras proteicas
Científicos de la Universidad de California, Berkeley, han presentado un modelo avanzado de IA que predice estructuras proteicas con una precisión sin precedentes del 99%. Este avance, detallado en un estudio publicado en Nature, podría acelerar el descubrimiento de fármacos y la medicina personalizada. La investigadora principal, la Dra. Jane Smith, lo describió como un 'cambio de juego' para la biotecnología.
El 1 de octubre de 2025, un equipo liderado por la Dra. Jane Smith de la Universidad de California, Berkeley, anunció un avance significativo en biología computacional. Su nuevo modelo de IA, llamado ProFold-X, logra una precisión del 99% en la predicción de estructuras tridimensionales de proteínas, superando métodos anteriores como AlphaFold, que alcanzaba alrededor del 90% en casos complejos.
La investigación, publicada en la revista Nature el mismo día, implicó el entrenamiento del modelo en un conjunto de datos de más de 1 millón de muestras de proteínas de organismos diversos. 'Esto es un cambio de juego para el descubrimiento de fármacos', dijo la Dra. Smith en un comunicado. 'Al modelar con precisión cómo se pliegan las proteínas, podemos entender mejor las enfermedades a nivel molecular y diseñar terapias dirigidas más rápidamente.'
El plegamiento de proteínas ha sido durante mucho tiempo un desafío central en biología, ya que las proteínas mal plegadas están implicadas en condiciones como el Alzheimer y el cáncer. Los métodos experimentales tradicionales, como la cristalografía de rayos X, son consumidos de tiempo y costosos, a menudo tomando años. ProFold-X utiliza algoritmos de aprendizaje profundo mejorados con computación inspirada en la cuántica para simular dinámicas de plegamiento en horas.
La cronología del estudio comenzó a principios de 2024, cuando el equipo de Berkeley obtuvo financiamiento del Instituto Nacional de Salud. Los prototipos iniciales se probaron en conjuntos de datos de referencia del Banco de Datos de Proteínas, mostrando mejoras en la velocidad de predicción del 40%. La validación provino de colaboraciones con empresas farmacéuticas, donde el modelo predijo con éxito estructuras para el 95% de objetivos de fármacos novedosos.
Aunque la tecnología ofrece promesas, los expertos señalan limitaciones. El Dr. Alex Rivera, biofísico en la Universidad de Stanford no involucrado en el estudio, comentó: 'El rendimiento del modelo en proteínas raras aún debe probarse completamente en aplicaciones del mundo real.' No aparecen contradicciones mayores en la información, aunque la revisión por pares en curso podría refinar estas cifras de precisión.
Este desarrollo se basa en éxitos previos de IA en el campo, potencialmente reduciendo barreras para laboratorios de investigación más pequeños. Las implicaciones se extienden a la agricultura y la ciencia ambiental, donde la ingeniería de proteínas podría mejorar la resiliencia de cultivos o la producción de biocombustibles. La liberación de código abierto de ProFold-X está planeada para principios de 2026, invitando a la colaboración global.