Claude diseñó proteínas contra 15 objetivos. Cuando las fabricaron en un laboratorio, funcionaron contra 14
La inteligencia artificial (IA) continúa sorprendiendo al mundo, esta vez en el ámbito de la química. Anthropic, una empresa de vanguardia en tecnología, ha logrado un avance significativo con su programa Claude Science. Durante 48 horas, Claude, un modelo de IA, trabajó de manera autónoma para abordar un desafío clásico en el desarrollo de medicamentos: el diseño de proteínas.
Claude tuvo acceso a una amplia gama de recursos, desde literatura científica hasta modelos especializados en diseño, secuenciación y plegamiento de proteínas. Este modelo analizó los datos para determinar dónde debía atacar cada diseño de proteínas, generando candidatos, optimizándolos y eligiendo cuáles debían ser sintetizados en el laboratorio.
El resultado fue asombroso. Las empresas farmacéuticas Adaptyv Bio y Twist Bioscience fabricaron físicamente los diseños propuestos y comprobaron su eficacia. De los 15 diseños, 14 resultaron exitosos, produciendo 354 proteínas funcionales de 1.320 diseños. Esto representa entre un 22,6% y un 35,1% de éxito, superando el promedio convencional de entre 10% y 15%.
El objetivo de estos experimentos no es crear directamente un medicamento, sino encontrar proteínas que se unan de manera precisa a otras proteínas específicas, conocidas como protein binders. Estas proteínas pueden ser cruciales para bloquear o modificar actividades biológicas, contribuyendo al desarrollo de tratamientos.
Claude no descubrió nada por sí mismo, sino que actuó como un orquestador de herramientas científicas existentes, demostrando que no necesita ser un modelo especializado. Su éxito en experimentos como RBX1, donde Mythos Preview logró un 40% de éxito frente al 3,7% de otros competidores, subraya su potencial. Sin embargo, también hubo fracasos, como en el caso de MBP, donde ninguno de los 90 diseños produjo un binder confirmado.
En un segundo experimento, Claude automatizó el análisis de la pureza de las moléculas sintetizadas, logrando resultados casi idénticos a los de un laboratorio tradicional. Esto demuestra que la IA puede asumir tareas tediosas que requieren experiencia especializada, abriendo nuevas posibilidades en la investigación científica.