Dr. Marco V. Benavides Sánchez. Medmultilingua.com.
Las proteínas son como pequeñas máquinas vivas que trabajan sin descanso dentro de nuestro cuerpo. Están en todas partes: en la sangre, en los músculos, en el sistema inmunológico. Son responsables de tareas tan vitales como transportar oxígeno, defendernos de virus o acelerar reacciones químicas. Pero para entender cómo funcionan, hay que mirar más allá de su composición: hay que entender su forma, su flexibilidad y cómo cambian con el tiempo.
Y ahí es donde empieza el reto. Las proteínas no son estructuras rígidas. Se doblan, se abren y se cierran. Cada una puede adoptar muchas formas distintas, llamadas conformaciones, y esas formas determinan lo que pueden hacer. Capturar esa danza molecular ha sido, durante décadas, uno de los grandes retos de la biología.
El problema de estudiar proteínas en movimiento
Hasta hace poco, la mejor manera de estudiar cómo se mueven las proteínas era usar simulaciones por computadora llamadas “dinámica molecular”. Estas simulaciones calculan el movimiento de cada átomo paso a paso, como si se tratara de una película en cámara lenta. Son muy precisas, pero también muy lentas y costosas. Para simular unos pocos microsegundos de movimiento, se necesitan semanas de trabajo y enormes cantidades de energía computacional.
Una nueva herramienta: BioEmu
En julio de 2025, un grupo de investigadores de Microsoft presentó una solución sorprendente: BioEmu, una inteligencia artificial diseñada para entender cómo se comportan las proteínas sin necesidad de simular cada segundo de su movimiento. En lugar de seguir la trayectoria de cada átomo, BioEmu genera directamente miles de posibles formas que una proteína puede adoptar en condiciones normales. Y lo hace en cuestión de horas, usando una sola tarjeta gráfica.
Es como si, en vez de ver una película cuadro por cuadro, pudieras acceder directamente a todas las escenas clave. Esto permite a los científicos explorar rápidamente cómo cambia una proteína, qué partes son más flexibles y dónde podrían esconderse sitios útiles para diseñar medicamentos.
¿Cómo lo logra?
BioEmu se entrenó con tres tipos de información:
– Más de 160.000 estructuras de proteínas predichas por AlphaFold, otra famosa IA que revolucionó la biología en 2020.
– Simulaciones detalladas de dinámica molecular, que aportan datos sobre cómo se mueven realmente las proteínas.
– Cerca de 19.000 mediciones experimentales sobre la estabilidad de proteínas y sus variantes.
Gracias a esta mezcla de datos, BioEmu puede predecir con gran precisión cómo se comporta una proteína y cómo cambian sus formas según las condiciones. Incluso puede estimar diferencias de energía entre conformaciones, algo esencial para entender qué forma es más estable o funcional.
¿Por qué es importante?
Descubrimiento de medicamentos
Muchas enfermedades, como el cáncer o el Alzheimer, se deben a proteínas que funcionan mal o que no pueden ser controladas. Para diseñar medicamentos efectivos, los científicos necesitan conocer todos los rincones de esas proteínas, incluso los que no son visibles en su forma más estable. BioEmu puede revelar esos “bolsillos ocultos”, pequeñas cavidades que podrían servir como puntos de ataque para nuevos fármacos.
Diseño de proteínas
En biotecnología, a veces se modifican proteínas para que sean más resistentes, más rápidas o capaces de realizar nuevas tareas. BioEmu ayuda a predecir cómo afectarán esas modificaciones, evitando muchos ensayos fallidos en el laboratorio.
Complemento a técnicas tradicionales
Las técnicas como la cristalografía o la criomicroscopía ofrecen imágenes muy detalladas de proteínas, pero suelen capturar solo una forma en un momento específico. BioEmu puede llenar los espacios entre esas imágenes, mostrando cómo una proteína pasa de una forma a otra.
¿Qué ventajas ofrece?
La diferencia con los métodos tradicionales es enorme. Mientras que una simulación clásica puede tardar semanas y consumir miles de horas de procesamiento, BioEmu genera miles de estructuras en pocas horas. Además, sus resultados son más variados y menos repetitivos, lo que permite explorar mejor el “paisaje” de formas posibles.
Y lo mejor: BioEmu es de código abierto. Cualquier investigador, incluso con recursos limitados, puede acceder al modelo a través de plataformas como GitHub o Hugging Face, o usarlo directamente en la nube con Azure. No hace falta instalar nada complicado ni tener una super computadora.
¿Tiene límites?
Sí. Por ahora, BioEmu está diseñado para estudiar proteínas individuales. No puede modelar interacciones complejas con otras moléculas, como lípidos o fármacos. Tampoco reemplaza por completo las simulaciones tradicionales, que siguen siendo necesarias para entender procesos dinámicos muy específicos.
Además, como toda inteligencia artificial, depende de los datos con los que fue entrenada. Si una conformación rara no aparece en esos datos, es posible que BioEmu no la prediga correctamente.
Un paso hacia el futuro
BioEmu es parte de una revolución más grande: el uso de inteligencia artificial para acelerar la ciencia. Modelos similares están apareciendo en campos como la química, la física cuántica y el diseño de materiales. En biomedicina, el impacto puede ser enorme. Poder explorar rápidamente cómo cambia una proteína o cómo afecta una mutación podría reducir años de investigación y facilitar el desarrollo de tratamientos más efectivos.
BioEmu no es solo una hazaña tecnológica: es una ventana al futuro de la medicina. Esta inteligencia artificial nos permite ver lo que antes era invisible, anticipar lo que antes era impredecible y diseñar tratamientos que antes eran impensables. En poco tiempo, los medicamentos que salven vidas podrían nacer no en un laboratorio tradicional, sino en el corazón de un modelo generativo. BioEmu marca el comienzo de una nueva era donde la ciencia y la inteligencia artificial se unen para transformar la salud humana, molécula por molécula.
Para saber más:
- Lewis, S., Hempel, T., Jiménez-Luna, J., Gastegger, M., Xie, Y., Foong, A. Y. K., et al. (2025). Scalable emulation of protein equilibrium ensembles with generative deep learning. Science, 389(6761). https://doi.org/10.1126/science.adv9817
#ArtificialIntelligence #Medicine #Surgery #Medmultilingua
Deja un comentario