Inteligencia Artificial de Vanguardia: Claude Diseña Proteínas con Éxito Parcial en Laboratorio

La inteligencia artificial está expandiendo sus horizontes, dejando atrás el dominio de las matemáticas para adentrarse en el complejo mundo de la química y la biología. Recientemente, Anthropic ha demostrado el potencial de su modelo Claude en una tarea crucial para la medicina: el diseño de proteínas. En un experimento de 48 horas, Claude abordó el desafío de crear nuevas proteínas, obteniendo resultados prometedores, aunque no exentos de limitaciones.

Claude: El Orquestador de Herramientas Científicas

Anthropic, a través de su programa Claude Science, proporcionó a Claude acceso a una vasta cantidad de información, incluyendo literatura científica, recursos de internet y hardware especializado. El modelo de IA no solo analizó datos, sino que también interactuó con modelos dedicados al diseño, secuenciación y plegamiento de proteínas. Su labor consistió en identificar puntos clave para el diseño, generar candidatos, optimizarlos y, finalmente, seleccionar aquellos que debían ser enviados a un laboratorio para su síntesis.

Lo más destacado de este proceso es la autonomía con la que operó Claude. No se trató de un descubrimiento científico intrínseco, sino de una orquestación experta de herramientas y conocimientos preexistentes. Claude demostró la capacidad de identificar la herramienta adecuada, determinar cuándo aplicarla y cómo guiar el proceso, lo que sugiere que un modelo generalista, con la capacidad de seleccionar y utilizar las herramientas correctas, puede ser altamente efectivo.

Resultados Prometedores en el Diseño de Proteínas

Las empresas farmacéuticas Adaptyv Bio y Twist Bioscience fueron las encargadas de sintetizar físicamente los diseños propuestos por Claude y verificar su funcionalidad. De los 15 diseños que se esperaba que dieran resultados válidos, Claude, utilizando las versiones Opus 4.8 y Mythos Preview, logró generar 'binders' para 14 de ellos. Esto se tradujo en 354 proteínas funcionales a partir de 1.320 diseños iniciales.

Las pruebas indicaron que entre el 22,6% y el 35,1% de los candidatos diseñados por Claude resultaron funcionales. Estas cifras superan significativamente los porcentajes convencionales, que según Anthropic, suelen oscilar entre el 10% y el 15% en procesos similares.

Entendiendo los 'Protein Binders'

Es importante aclarar que el objetivo de estos experimentos no es la creación directa de un medicamento. Más bien, se enfoca en identificar 'protein binders', que son proteínas diseñadas para unirse de manera precisa a otras proteínas específicas, actuando como 'llaves' moleculares. Estos 'binders' son fundamentales en el desarrollo de tratamientos, ya que su capacidad para adherirse a proteínas objetivo puede ser aprovechada para bloquear o modificar su actividad biológica.

Éxitos Específicos y Desafíos Persistentes

En uno de los experimentos, denominado RBX1, el modelo Mythos Preview alcanzó un notable 40% de éxito, superando drásticamente el 3,7% obtenido por los participantes en una competición organizada por Adaptyv Bio. Su mejor diseño incluso demostró una afinidad superior a la de sus competidores humanos.

Adicionalmente, Opus 4.8 logró identificar varios 'binders' contra TNFa, una proteína de gran interés terapéutico que había representado un reto para expertos en el campo. A pesar de estos avances, el proceso no estuvo exento de fracasos. El texto original no detalla cuántos diseños se intentaron contra MBP, pero ninguno de los 90 creados logró producir un 'binder' confirmado.

Automatización del Análisis de Muestras

Un segundo experimento reveló la utilidad de Claude en tareas analíticas. Cuando un químico sintetiza una molécula, es necesario verificar su pureza mediante técnicas como NMR y LC-MS. Estos métodos generan datos brutos que requieren procesamiento con software especializado. Anthropic entregó estos archivos de datos a Opus 5, pidiéndole que realizara el análisis.

En aproximadamente 20 minutos por técnica, Claude calculó una pureza del 96,4%, un resultado prácticamente idéntico al 96,33% determinado por el laboratorio. Este logro subraya la capacidad de Claude para automatizar tareas de análisis laboriosas y que tradicionalmente requieren una considerable experiencia humana.

Fuente: Ver artículo original