Investigadores desarrollan modelo de IA para la predicción precisa de la estructura de proteínas
Los científicos han presentado un nuevo modelo de inteligencia artificial que predice las estructuras de proteínas con una precisión sin precedentes. El avance, detallado en un estudio reciente, podría transformar el descubrimiento de fármacos y la biotecnología. Desarrollado por un equipo de la Universidad de Cambridge, el modelo aprovecha técnicas avanzadas de aprendizaje automático.
El 30 de septiembre de 2025, ScienceDaily informó sobre un avance significativo en la biología computacional. Investigadores de la Universidad de Cambridge introdujeron un modelo de IA capaz de predecir estructuras de proteínas con un 99% de precisión, superando métodos anteriores como AlphaFold.
El estudio, publicado en la revista Nature, describe cómo se entrenó el modelo con más de 1 millón de conjuntos de datos de proteínas recopilados de bases de datos globales. La investigadora principal, la Dra. Elena Rossi, declaró: "Este avance podría revolucionar el descubrimiento de fármacos al permitir una identificación más rápida de objetivos proteicos para nuevas terapias." El desarrollo tomó tres años, involucrando colaboración con expertos en computación y biólogos.
Las proteínas son bloques de construcción esenciales de la vida, y comprender sus estructuras 3D es crucial para desarrollar tratamientos para enfermedades como el cáncer y el Alzheimer. Los métodos tradicionales, como la cristalografía de rayos X, son consumidos de tiempo y costosos. El nuevo enfoque de IA utiliza algoritmos de aprendizaje profundo mejorados con computación inspirada en la cuántica para simular procesos de plegamiento de manera más eficiente.
El contexto de fondo revela que la predicción de la estructura de proteínas ha sido un gran desafío en la biología desde la década de 1970. Herramientas de IA anteriores mejoraron la precisión hasta alrededor del 90%, pero este modelo logra resultados casi perfectos para proteínas complejas. Los investigadores lo probaron en 500 estructuras novedosas, confirmando su fiabilidad en diversas funciones biológicas.
Las implicaciones incluyen una investigación farmacéutica acelerada, potencialmente reduciendo los plazos de desarrollo de fármacos de años a meses. Sin embargo, los expertos señalan la necesidad de mayor validación en aplicaciones del mundo real. El coautor, el Dr. Marco Lee, añadió: "Aunque prometedor, integrar esto en flujos de trabajo de laboratorio requerirá recursos adicionales."
No aparecen contradicciones mayores en la información, ya que la fuente proporciona un resumen unificado del estudio revisado por pares. Este desarrollo subraya el rol creciente de la IA en la resolución de rompecabezas científicos de larga data.