Descubre cómo los científicos utilizan inteligencia artificial y computación cuántica para crear innovadores péptidos.

Investigadores de la Universidad Técnica de Dinamarca (DTU) han logrado demostrar que la computación cuántica puede potenciar significativamente la precisión y el alcance de los modelos de inteligencia artificial generativa en el ámbito del descubrimiento de fármacos. Este avance se materializó gracias a la utilización de recursos económicos no empleados en otros proyectos y el tiempo libre del equipo.

Una colaboración innovadora

El equipo de DTU llevó a cabo su investigación utilizando un modelo de IA generativa diseñado para predecir estructuras proteicas, combinado con una computadora cuántica de dimensiones compactas, desarrollada por la empresa británica Orca Computing. Esta sinergia entre máquinas cuánticas y procesadores tradicionales permitió acelerar los procesos de IA, facilitando la generación de nuevos péptidos, que son cadenas cortas de aminoácidos capaces de interactuar con proteínas específicas del organismo. Este proceso es esencial en el desarrollo de nuevas vacunas.

Los investigadores, bajo la dirección del profesor Timothy Patrick Jenkins, trabajaron durante los fines de semana y utilizaron fondos de proyectos no ejecutados, ya que la innovación científica a menudo enfrenta escollos en la obtención de financiación. Jenkins señala que “la ciencia más innovadora da demasiado miedo a las fundaciones” y que este esfuerzo adicional fue clave para el avance del proyecto.

Resultados prometedores en la síntesis de péptidos

Las pruebas de laboratorio para verificar la efectividad de los péptidos generados mostraron que el modelo cuántico ofrecía resultados superiores a los de los métodos convencionales, especialmente en situaciones donde se contaba con escasos datos de entrenamiento. El equipo de investigación está convencido de que esta tecnología podría acelerar el desarrollo de inmunoterapias y vacunas personalizadas, así como incrementar la efectividad de medicamentos en poblaciones menos estudiadas.

Jenkins enfatiza la importancia de demostrar la validez de las predicciones realizadas por su modelo, para así ganar la confianza de los escépticos. Sin embargo, la computación cuántica sigue siendo un área en evolución, enfrentando retos técnicos que dificultan la construcción y aplicación exitosa de estas máquinas para resolver problemas complejos.

Retos y oportunidades en la investigación biomédica

A pesar de sus reservas iniciales sobre la computación cuántica, Jenkins ha visto potencial en esta tecnología. Él y su equipo emplean big data e inteligencia artificial para identificar proteínas que podrían conducir a nuevas inmunoterapias más accesibles y rápidas, con frecuencia contando con el apoyo financiero de la Fundación Novo Nordisk. Un desafío significativo que enfrentan es la escasez de datos sobre la diversidad genética de la humanidad, ya que la mayoría de la investigación médica se ha centrado en poblaciones occidentales. Esto puede complicar el desarrollo de péptidos efectivos para grupos menos investigados, como los de Asia y África.

El equipo ha formulado la hipótesis de que la integración de computación cuántica en su flujo de trabajo podría facilitar la creación de un conjunto más diverso de péptidos, especialmente para objetivos con datos limitados, basándose en observaciones de que estas máquinas tienen un efecto similar en la generación de imágenes.

El futuro de la computación cuántica en la medicina

Aún con estos avances, es importante señalar que la tecnología cuántica no ha alcanzado un nivel de desarrollo que permita su uso en modelos de IA a gran escala. Por lo tanto, los resultados podrían ser más efectivos utilizando computadoras clásicas. Jonathan Funk, estudiante de doctorado en la DTU, comenta que, debido a las limitaciones actuales de la tecnología cuántica, el nivel de complejidad que pueden codificar no se compara con el de un anticuerpo de tamaño normal, que es lo habitual en sus investigaciones.

Richard Murray, director ejecutivo de Orca Computing, resalta que muchas empresas ven la computación cuántica como un concepto confuso y distante, en parte porque hasta ahora no ha habido ejemplos claros de su utilidad a corto plazo. Sin embargo, destaca que este estudio es innovador porque presenta una aplicación comercial viable de la tecnología cuántica en un horizonte cercano.

Próximos pasos en el desarrollo de la investigación

El equipo de DTU tiene la intención de explorar si este flujo de trabajo se puede aplicar a modelos más avanzados y proteínas de mayor tamaño. Patrick Jenkins indica que esta validación es esencial para demostrar que, efectivamente, se cuenta con la oportunidad de hacer una diferencia significativa en el campo de la investigación. Además, están considerando la posibilidad de utilizar computación cuántica para mejorar su método de IA generativa, que se destina al diseño de antídotos sintéticos contra venenos de serpiente, lo que podría abrir nuevas vías de investigación en áreas médicas desatendidas que tradicionalmente han recibido escasa financiación.