Durante décadas la bioquímica funcionó como una disciplina de imitación. Los investigadores extraían enzimas, anticuerpos y otras moléculas que la evolución había perfeccionado a lo largo de miles de millones de años, y las modificaban con retoques puntuales para adaptarlas a un uso terapéutico. El reto nunca fue inventar desde cero, sino copiar con precisión lo que la biología ya había resuelto mediante ensayo y error.
Ese modelo empezó a quedar atrás con los algoritmos de diseño computacional de proteínas. Cuando los primeros sistemas informáticos lograron predecir cómo se pliega una proteína natural —una tarea considerada durante años casi irresoluble por la complejidad geométrica de las cadenas de aminoácidos—, el paso siguiente fue generar estructuras que no existían todavía. El precedente directo es AlphaFold, el sistema de DeepMind que en 2020 resolvió con fiabilidad el problema del plegamiento y cuyos responsables recibieron el Nobel de Química en 2024.
Fármacos calculados, no descubiertos
El proceso ya no arranca con una búsqueda en bibliotecas de compuestos conocidos, sino con la definición de un problema clínico concreto: bloquear, por ejemplo, una proteína mutada que alimenta un tumor cerebral de difícil acceso. A partir de ahí, los modelos generativos ejecutan millones de simulaciones físico-químicas en minutos, evaluando fuerzas electrostáticas, puentes de hidrógeno y tensiones estructurales hasta obtener una secuencia de aminoácidos sin precedente biológico.
El resultado son macromoléculas sintéticas diseñadas para encajar en su diana con una precisión milimétrica, por una vía distinta a la de los anticuerpos monoclonales empleados hasta ahora en oncología. A diferencia de las proteínas naturales retocadas, estas arquitecturas se construyen para resistir condiciones que destruyen los fármacos convencionales en cuestión de minutos, como la acidez del tracto digestivo o la acción de enzimas en el torrente sanguíneo.
El cambio de método incide en el ritmo y el coste de la investigación farmacéutica. El enfoque tradicional obligaba a sintetizar manualmente miles de moléculas candidatas y probarlas una a una en cultivos celulares, un proceso que podía prolongarse durante años y que terminaba descartando a la inmensa mayoría por toxicidad. Con el diseño computacional, ese cribado se traslada al entorno digital, donde se simulan y eliminan millones de candidatos antes de que una sola molécula llegue a sintetizarse en un matraz real.
Las aplicaciones en exploración incluyen enzimas diseñadas para degradar plásticos industriales en plantas de reciclaje, vacunas experimentales de desarrollo acelerado y terapias génicas orientadas a corregir errores celulares concretos. Ninguna de estas moléculas responde a una necesidad evolutiva previa: existen únicamente porque fueron calculadas para resolver un problema médico o industrial específico.
La búsqueda de compuestos de origen no convencional no es nueva en el ámbito biomédico: desde hace cuatro décadas, PharmaMar cumple 40 años buscando fármacos contra el cáncer en el mar, explorando organismos marinos como fuente de nuevas moléculas terapéuticas por vías muy distintas a las del diseño algorítmico. El giro computacional difumina la frontera entre la química orgánica clásica y el cálculo: las proteínas ya no se descubren, se encargan. El alcance clínico real dependerá de la validación en las fases posteriores de desarrollo farmacológico, el cuello de botella que separa la simulación del medicamento aprobado.
