Un equipo de científicos ha confirmado que una IA puede generar 12.000 conformaciones completas del receptor humano D2 de dopamina, mostrando proteínas en movimiento con detalle atómico. El avance importa porque las proteínas no son esculturas inmóviles, sino máquinas diminutas que cambian de forma para activar o bloquear procesos celulares. Hasta ahora, modelos como AlphaFold habían revolucionado la predicción estructural, pero ofrecían sobre todo “fotografías” estáticas.
El nuevo sistema, llamado LD-FPG, ha sido desarrollado por investigadores de la EPFL y presentado en NeurIPS 2025. Su promesa es poderosa: convertir la biología estructural en una película molecular donde cada giro puede revelar una diana terapéutica.
La diferencia clave: no una foto, sino una película molecular
Las proteínas viven en movimiento. Se pliegan, vibran, giran y adoptan formas distintas según las moléculas que se acercan a ellas. Esa danza microscópica decide si un fármaco encaja, si un anticuerpo reconoce su objetivo o si una señal química se propaga dentro de una célula.
LD-FPG aborda precisamente ese punto ciego. En lugar de limitarse al esqueleto de la proteína, genera estructuras completas de todos los átomos, incluidas las cadenas laterales, pequeñas piezas móviles que pueden cambiar la forma en que una proteína se une a otras moléculas.
Pero hay un detalle que lo hace especialmente relevante: el modelo no intenta calcular cada átomo desde cero en todo momento. Primero comprime la información estructural en un espacio matemático reducido mediante redes neuronales de grafos; después, una IA generativa aprende las variaciones de forma y reconstruye las proteínas con resolución atómica.
El receptor D2: una prueba exigente para la IA
La demostración más llamativa se hizo con el receptor D2 de dopamina, una proteína de membrana relacionada con respuestas celulares clave y muy estudiada en farmacología. Los investigadores usaron una trayectoria de dinámica molecular de 2 microsegundos y 12.000 fotogramas en un entorno de membrana.
Ese receptor pertenece a la familia de los GPCR, una de las grandes obsesiones de la industria farmacéutica. Muchísimos medicamentos actúan sobre estos receptores porque funcionan como interruptores celulares, capaces de traducir señales externas en respuestas internas.
El resultado fue notable: las estrategias secuenciales y basadas en residuos lograron reproducir el conjunto de referencia con alta fidelidad, con valores aproximados de 0,7 en lDDT de todos los átomos y 0,8 en C-alfa-lDDT. Además, recuperaron distribuciones angulares de la proteína con una divergencia de Jensen-Shannon inferior a 0,03 frente a los datos originales.
En otras palabras: la IA no solo dibujó una proteína plausible, sino una familia de posturas coherente con su dinámica física. Y esa diferencia puede cambiar la forma en que se buscan medicamentos.
Por qué esto puede acelerar el diseño de nuevos fármacos
Un fármaco no se une a una proteína idealizada, sino a una proteína que respira. Si los modelos solo muestran una postura estática, pueden pasar por alto cavidades temporales, giros sutiles o estados intermedios donde una molécula terapéutica encajaría mejor.
LD-FPG podría mejorar el cribado virtual, ese proceso en el que se prueban computacionalmente miles o millones de compuestos candidatos. Cuantas más formas realistas de una proteína estén disponibles, más opciones hay de encontrar un punto débil terapéutico.
La herramienta, además, se apoya en datos de dinámica molecular ya existentes y su implementación se ha puesto a disposición de la comunidad científica, lo que facilita su evaluación y mejora.
Aun así, el avance no elimina la necesidad de experimentos ni de criterio humano. La IA necesita datos limpios, simulaciones fiables y validaciones rigurosas. En biología, una película molecular hermosa no basta: debe corresponderse con lo que ocurre en la célula.
El hallazgo deja una imagen poderosa: por primera vez, la IA empieza a mirar las proteínas como lo que realmente son, no como estatuas, sino como engranajes vivos. En esa coreografía invisible podría esconderse la próxima generación de medicamentos.
Referencias
- Sengar, Aditya, Ali Hariri, Daniel Probst, Patrick Barth, and Pierre Vandergheynst. “Generative Modeling of Full-Atom Protein Conformations Using Latent Diffusion on Graph Embeddings.” Proceedings of NeurIPS 2025. arXiv:2506.17064.
Fuente informativa
#Descubren #cómo #una #convierte #fotogramas #proteínas #una #película #átomo #átomo #para #diseñar #fármacos
