Una estrategia de IA diseñó compuestos según el efecto celular que se buscaba

Una parte importante del descubrimiento de fármacos sigue una ruta bastante conocida: elegir una proteína o una vía biológica como blanco e intentar encontrar moléculas que actúen sobre ella. Ese enfoque puede dar buenos resultados, pero también deja afuera situaciones en las que lo más útil no es acertarle a una sola diana, sino lograr un efecto concreto sobre un tipo de célula. Un trabajo publicado en Communications Chemistry propone una alternativa: usar inteligencia artificial para diseñar compuestos según la respuesta celular que se busca obtener.

El equipo, del IRB Barcelona, trabajó con un enfoque llamado fenotípico. En vez de empezar preguntando qué molécula se une mejor a una proteína específica, partió de una pregunta más general: qué estructura química podría producir el comportamiento deseado en determinadas células. Con esa lógica, el sistema de IA fue entrenado para generar y priorizar compuestos con actividad selectiva sobre tipos celulares concretos, una estrategia que apunta a capturar mejor la complejidad biológica real.

Según los resultados reportados, el método no solo recuperó compuestos activos, sino que también produjo moléculas estructuralmente novedosas y con mejor desempeño que el cribado convencional en los ensayos comparados por los autores. Ese punto importa porque una de las limitaciones frecuentes en el descubrimiento de compuestos es que muchas búsquedas terminan recorriendo espacios químicos bastante parecidos entre sí. Si una herramienta logra abrir rutas nuevas y, al mismo tiempo, mantener selectividad biológica, puede ampliar el repertorio de candidatos útiles para investigación.

La relevancia del avance está en el cambio de lógica. En problemas donde todavía no está claro cuál es la mejor diana molecular, pero sí se sabe qué efecto conviene inducir o evitar en una célula, un sistema así podría servir para acelerar las primeras etapas de exploración. También encaja con una tendencia más amplia: usar la inteligencia artificial no solo para automatizar tareas repetitivas, sino para proponer hipótesis químicas que quizás no surgirían de una búsqueda tradicional.

Eso no significa que el camino hacia un medicamento se vuelva corto. El trabajo es preclínico y metodológico. Que una estrategia genere compuestos prometedores en ensayos iniciales no implica que esos candidatos vayan a ser seguros, eficaces o viables en animales o en humanos. Entre una señal alentadora en laboratorio y una aplicación clínica suele haber años de validación biológica, toxicológica y experimental. Aún así, el estudio aporta una idea útil para una etapa donde muchas veces se decide qué vale la pena seguir investigando: en lugar de buscar solo moléculas que “encajen” con una diana, también se puede intentar diseñarlas por el efecto celular que interesa conseguir.