Llevar el diseño con IA más allá de la pantalla: Estados Unidos invierte en un laboratorio en la nube de ingeniería de proteínas

Los modelos generativos de proteínas pueden proponer rápidamente una gran cantidad de diseños candidatos, pero lo que suele ralentizar realmente la investigación y el desarrollo es producir las secuencias, medir sus funciones y realimentar los modelos con los fracasos y los éxitos. La Universidad Northwestern de Estados Unidos se dispone a conectar esta parte del proceso, que lleva mucho tiempo fragmentada, mediante un laboratorio automatizado de acceso remoto, con el objetivo de convertir las predicciones de la IA en ciclos experimentales que puedan verificarse de manera reiterada.

La Fundación Nacional de Ciencias de Estados Unidos (NSF) aportará 20 millones de dólares durante cuatro años para ayudar a la Universidad Northwestern a establecer el laboratorio en la nube «Máquina de Automatización Experimental Rápida Impulsada por IA», cuya sigla en inglés es DREAM. Según la universidad, será el primer laboratorio público en la nube de Estados Unidos dedicado específicamente a la ingeniería de proteínas mediante IA y abierto a usuarios externos. Estará ubicado en la Synthetic Biology Foundry del Centro de Biología Sintética de la universidad.

Según la planificación actual, los investigadores podrán describir mediante una interfaz en la nube las funciones que desean que tenga una proteína, y la IA propondrá diseños candidatos a partir de esos requisitos. El sistema robótico solo fabricará y probará las proteínas después de que superen las revisiones de bioseguridad y bioprotección. Los datos experimentales volverán a alimentar el modelo, formando un ciclo de «diseño, fabricación, prueba y aprendizaje». Esta arquitectura podrá utilizarse para moléculas candidatas a fármacos y también extenderse a la degradación de plásticos, la detección de contaminantes, la tecnología agrícola y la recuperación de minerales críticos.

El equipo prevé sintetizar y caracterizar más de 300.000 proteínas durante el periodo de financiación, generar hasta 30 millones de registros de datos y publicar los datos y los modelos de IA con acceso abierto. Si se logra mantener la uniformidad de la calidad de los datos, las condiciones experimentales y los criterios de interpretación, su valor no se limitará a aumentar el rendimiento: también podría subsanar la prolongada carencia de datos experimentales a gran escala y reproducibles para la IA aplicada a proteínas.

DREAM es también un nodo de la red de «laboratorios programables en la nube» de la NSF. La NSF anunció una inversión de 380 millones de dólares en 20 equipos que abarcan campos como la biología, la química, los materiales y la electrónica; Astera Institute se comprometió además a aportar hasta 20 millones de dólares para respaldar estándares de datos, flujos de trabajo reproducibles y la publicación rápida de resultados. Por tanto, el compromiso total podría alcanzar un máximo de 400 millones de dólares, aunque la subvención directa recibida por la Universidad Northwestern sigue siendo de 20 millones de dólares.

Lo anunciado hasta ahora es un plan de instalaciones y capacidad, y todavía no se han proporcionado datos comparativos sobre mejoras reales de DREAM en la función de las proteínas, la tasa de aciertos, los costes o los plazos de investigación y desarrollo. Los requisitos de acceso para investigadores externos, las tarifas, la programación y la posibilidad de reproducir de forma estable los resultados entre distintos experimentos también deberán evaluarse cuando la plataforma entre en funcionamiento. Incluso si el sistema genera proteínas terapéuticas prometedoras, todavía será necesario completar las validaciones toxicológicas, de fabricación, clínicas y regulatorias posteriores. La automatización puede acortar el proceso inicial de prueba y error, pero no sustituirá los umbrales de evidencia exigidos en el desarrollo de fármacos.