¿Puede un algoritmo diseñar una parte de la enzima que realmente funciona? La respuesta es sí, al menos en el laboratorio: nuevos métodos de inteligencia artificial están ayudando a los investigadores a generar componentes de proteínas con formas y actividades específicas.
El resultado, reportado en octubre de 2026 por un grupo internacional de investigación, se refiere a uno de los retos centrales del descubrimiento de drogas: obtener moléculas útiles más predecibles, sin depender solamente de la selección aleatoria de sustancias producidas por microorganismos, plantas u otros organismos.
¿Por qué las enzimas afectan la investigación farmacológica
Las enzimas son proteínas que aceleran reacciones químicas específicas. Su función depende de la forma tridimensional, la distribución de cargas eléctricas y la presencia de pequeñas regiones llamadas sitios activos. En estos puntos la proteína reconoce una molécula y la transforma, o cambia una sustancia que puede convertirse en un ingrediente activo.
Muchas drogas modernas se derivan directa o indirectamente de moléculas naturales. Las bacterias, hongos y plantas producen compuestos con actividades antibacterianas, antitumorales o antiinflamatorias. Sin embargo, transferir estos procesos a un microorganismo cultivable a escala industrial no es fácil: las reacciones dependen de numerosos genes, intermediarios inestables y condiciones precisas.
Una enzima diseñada para llevar a cabo un paso específico podría hacer que esta producción sea más controlable. En teoría, esto permitiría obtener nuevas variantes de una molécula, reducir los subproductos no deseados y simplificar algunas fases de síntesis.
¿Qué significa “diseñar” una proteína
El diseño no es pedir a un sistema informático que invente un medicamento ya listo. El objetivo es construir una secuencia de aminoácidos que puede doblarse en una forma estable y crear una determinada función química.
Los modelos de inteligencia artificial analizan grandes colecciones de secuencias y estructuras de proteínas. De estos datos aprenden qué combinaciones de aminoácidos tienden a producir pliegues compatibles con una función. Algunas herramientas comienzan desde una estructura deseada; otras generan nuevas secuencias que respetan limitaciones como la estabilidad, la solubilidad y la capacidad de atar una molécula.
En el caso de componentes enzimáticos, el problema es aún más delicado. No es suficiente para crear una proteína estable: el sitio activo debe tener geometría, movilidad y propiedades electrónicas adecuadas para la reacción. Incluso un pequeño cambio puede aumentar la actividad, eliminarla o cambiar completamente el producto final.
De predicción a banco de laboratorio
El paso decisivo sigue siendo la prueba experimental. Los investigadores deben producir proteínas candidatas, purificarlas y medir la velocidad de reacción. También necesitan pruebas para ver si la enzima permanece activa a diferentes temperaturas, en presencia de solventes o en una célula.
Un modelo puede proponer cientos o miles de secuencias plausibles, pero sólo una parte realmente funcionará. Las simulaciones pueden ser erróneas porque los datos disponibles no describen todas las formas posibles de proteína y porque el comportamiento en la prueba no necesariamente coincide con eso en un organismo.
La investigación combina cálculo, biología molecular y química analítica. Los resultados experimentales se utilizan para corregir el modelo y diseñar un nuevo conjunto de variantes. Este ciclo iterativo puede reducir el número de intentos en comparación con los enfoques tradicionales, sin eliminar la necesidad de experimentos.
Lascia un commento