La IA entiende las proteínas, pero aún no localiza con precisión dónde se unen los anticuerpos: EpiBench revela una brecha en el razonamiento sobre epítopos

Que un anticuerpo pueda convertirse en un buen fármaco no depende solo de si se une al antígeno, sino también de dónde se une exactamente. Esta región, denominada «epítopo», puede influir en el efecto de bloqueo, la especificidad terapéutica y el escape inmunitario tras una mutación. Sin embargo, una nueva evaluación muestra que, aunque los modelos de lenguaje grandes ya pueden responder preguntas biomédicas complejas, su capacidad para identificar directamente este punto crítico a partir de la secuencia de una proteína sigue siendo bastante limitada.

EpiBench, desarrollado por el equipo de investigación, reúne 1.609 muestras etiquetadas a partir de los contactos estructurales de complejos anticuerpo-antígeno, experimentos funcionales de células B recopilados y efectos de escape medidos mediante escaneo mutacional profundo. La evaluación elimina deliberadamente los nombres de los anticuerpos y antígenos, los identificadores del Protein Data Bank y la información de los artículos, y conserva únicamente las secuencias de antígenos y anticuerpos, las posiciones de los residuos o los datos de mutaciones, con el fin de reducir la posibilidad de que los modelos respondan basándose en la memorización de las preguntas.

Las preguntas se dividen en cinco categorías siguiendo el proceso de desarrollo de anticuerpos: buscar en la secuencia del antígeno regiones que podrían ser reconocidas, determinar el epítopo correspondiente a un anticuerpo específico, agrupar anticuerpos cuyos sitios de unión se solapan, identificar epítopos con efectos funcionales y predecir si una mutación puntual hará que un anticuerpo pierda su eficacia. Estas tareas corresponden, respectivamente, a la selección de regiones candidatas, la elucidación del mecanismo de acción, el diseño de combinaciones de anticuerpos y la evaluación del riesgo de resistencia, y no son simplemente preguntas generales de conocimientos biológicos.

Tras someter a nueve modelos de propósito general a una prueba uniforme sin ejemplos previos, ninguno mostró un liderazgo general. Algunos modelos lograron situar aproximadamente el área predicha cerca de posibles epítopos, pero su desempeño siguió siendo cercano al azar al distinguir uno por uno los residuos de epítopo de los que no forman parte del epítopo. Las preguntas que exigían determinar el sitio de unión o el efecto de escape en relación con un anticuerpo específico también pusieron de manifiesto deficiencias en la correspondencia entre secuencias y la inferencia estructural. En las tareas directamente comparables, los modelos especializados en epítopos siguieron superando en conjunto a los modelos de lenguaje grandes de propósito general.

Las secuencias largas hacen que los modelos pierdan especialmente la referencia de las posiciones. En la tarea de exploración de regiones, en la que aún no se proporciona un anticuerpo específico, la puntuación media de recuperación entre los 50 primeros residuos candidatos de los nueve modelos cayó de 81,3 cuando el antígeno tenía menos de 200 aminoácidos a 12,8 cuando superaba los 800 aminoácidos. Exigir a los modelos que expusieran un proceso de razonamiento explícito tampoco mejoró los resultados de manera consistente. Las respuestas erróneas solían apoyarse en motivos de secuencia aparentemente razonables, propiedades fisicoquímicas generales o la similitud entre secuencias de anticuerpos, sin ajustarse realmente a la relación anticuerpo-epítopo planteada.

Estos resultados se entienden mejor como una herramienta de diagnóstico que como un veredicto definitivo sobre la capacidad de la IA para diseñar anticuerpos. EpiBench emplea una configuración cerrada, basada únicamente en secuencias y con puntuación automatizada, que no simula directamente el proceso real de investigación y desarrollo en el que participan conjuntamente el modelado estructural, la retroalimentación experimental y la interpretación humana. Además, algunos epítopos conocidos podrían estar incompletos. Por ahora, la investigación solo se ha publicado como preprint y aún no ha sido sometida a revisión por pares, pero establece con claridad un límite: los modelos de propósito general pueden ofrecer indicios aproximados, pero aún carecen de fundamentos fiables en la localización de residuos, la especificidad de los anticuerpos y los mecanismos biológicos para respaldar de manera independiente la selección de candidatos a anticuerpos y la evaluación del riesgo de escape.