La IA ya nos ha asombrado en el ámbito de las matemáticas, y ahora quiere hacerlo en el de la química. Es desde luego lo que ha logrado Anthropic, que puso a trabajar a Claude de forma autónoma durante unas 48 horas para resolver un problema clásico del desarrollo de nuevos medicamentos: el diseño de proteínas. Los resultados son prometedores, aunque solo resuelven parte del problema.Claude, diséñame unas proteínas. Anthropic, que inauguró recientemente su programa Claude Science, le dio a su modelo de IA acceso a literatura científica, internet y recursos hardware, además de varios modelos especializados en diseño, secuenciación y plegamiento de proteínas. El modelo analizó todos los datos para decidir dónde tenía que atacar cada diseño de proteínas. Luego generó candidatos, los optimizó, descartó los peores y eligió cuáles debían mandarse al laboratorio para sintetizarlos. Lo hizo además de forma totalmente autónoma.Buenos resultados. Las firmas farmacéuticas Adaptyv Bio y Twist Bioscience crearon físicamente los diseños propuestos y comprobaron si realmente cumplían con el objetivo. De los 15 diseños que dieron resultados válidos, Claude Opus 4.8 y Mythos Preview consiguieron binders para 14, produciendo 354 proteínas funcionales a partir de 1.320 diseños. Según esas pruebas, entre el 22,6% y el 35,1% de los candidatos funcionaron, cuando según Anthropic las cifras convencionales están entre el 10 y el 15%.
¿Qué es exactamente un binder? En estos experimentos el objetivo no es crear directamente un medicamento, sino encontrar proteínas capaces de unirse de forma muy precisa a otras proteínas concretas, como si fueran las llaves que abren una cerradura específica. A esas proteínas se las denomina protein binders. Los investigadores eligen distintas proteínas objetivo —algunas relacionadas con procesos biológicos o enfermedades— y tratan de diseñar binders que se adhieran fuertemente a ellas. Conseguirlo puede servir después para bloquear o modificar su actividad y también para contribuir al desarrollo de un tratamiento, pero encontrar un buen binder es solo un primer paso: un binder no es todavía un fármaco.Director de orquesta científico. EL modelo no descubrió nada especial por sí mismo, y en realidad se convirtió en el orquestador de herramientas científicas que ya existían y que los investigadores utilizan. Aprovechó los datos y las herramientas para plantear sus soluciones, y eso es interesante porque Claude no necesita ser un modelo especializado, sino que le basta con saber qué herramienta usar, cuándo usarla y como continuar el proceso.Éxitos y algún que otro fracaso. En uno de los experimentos llamado RBX1, Mythos Preview logró un 40% frente al 3,7% obtenido por los participantes de una competición organizada por Adaptyv Bio, y su mejor diseño superó en afinidad a sus competidores. Opus 4.8 también logró varios binders contra TNFa, una proteína muy interesante terapéuticamente y que había planteado problemas a diversos expertos. Aun así, también hubo fracasos: ninguno de los 90 diseños creados contra MBP produjo un binder confirmado.
