Los científicos han demostrado con éxito que un ordenador cuántico puede mejorar la precisión y el alcance de los modelos de inteligencia artificial generativa para el descubrimiento de fármacos. Y lo lograron al usar su tiempo libre y el dinero sobrante de otros proyectos.
El equipo de la Universidad Técnica de Dinamarca (DTU, por sus siglas en inglés) ejecutó su modelo de IA generativa para predecir proteínas junto con una computadora cuántica del tamaño de una impresora construido por la startup británica Orca Computing, que aceleró la IA al conectar máquinas cuánticas con procesadores tradicionales. Los investigadores utilizaron esta técnica híbrida para generar nuevos péptidos (cadenas cortas de aminoácidos) capaces de unirse a proteínas específicas del organismo. Este paso es crucial en el desarrollo de vacunas.
Los investigadores trabajaron los fines de semana y reunieron el dinero no gastado de otros proyectos porque “la ciencia más innovadora da demasiado miedo a las fundaciones”, de acuerdo con el profesor de la DTU, Timothy Patrick Jenkins, que lideró el proyecto.
La síntesis de los péptidos en el laboratorio y las pruebas para comprobar si estos se unían a las proteínas concretas demostraron que el modelo producía péptidos más eficaces que su homólogo clásico, con las mejoras más notables en los casos en donde los datos de entrenamiento eran escasos.
El equipo cree que la máquina podría acelerar el desarrollo de inmunoterapias y vacunas personalizadas, así como mejorar la eficacia de los medicamentos en grupos poco estudiados.
“Necesitábamos demostrarlo de verdad para convencer a los escépticos de que nuestras predicciones se corresponden con el mundo real,” explica Jenkins a WIRED. La computación cuántica continúa siendo un campo incipiente y se enfrenta a un intenso escrutinio debido a los desafíos técnicos que plantean la construcción de estas máquinas y su aplicación exitosa para resolver problemas.
Incluso Jenkins se mostró renuente de explorar esta tecnología inicialmente: “Era un gran escéptico respecto a la computación cuántica”, afirma riendo, ya que creía que cualquier aplicación a su trabajo estaría “a décadas de distancia”.
Él y su equipo utilizan big data e inteligencia artificial para descubrir proteínas que podrían dar paso a nuevas inmunoterapias más baratas y rápidas, a menudo con financiación de la Fundación Novo Nordisk. Mientras que la mayoría de los creadores de modelos biológicos están desesperados por obtener más datos, un reto concreto para su equipo ha sido la falta de datos sobre toda la variedad de información genética de la raza humana, ya que la mayor parte de la investigación médica se ha enfocado en las poblaciones occidentales. Esto puede dificultar el desarrollo de péptidos que funcionen en poblaciones poco estudiadas, como las de Asia y África, sostiene.
Su equipo planteó la hipótesis de que integrar una computadora cuántica en su flujo de trabajo podría permitir generar un conjunto más diverso de péptidos, especialmente para objetivos sobre los que disponían menos datos, tras descubrir que estas máquinas tenían un efecto similar en la generación de imágenes.
El proceso recién descubierto aún no revolucionará la investigación, ya que las computadoras cuánticas siguen siendo muy pequeñas para ejecutar modelos de IA de vanguardia a gran escala, lo que significa que se podrían obtener mejores resultados en una computadora clásica.
“La tecnología cuántica aún no es muy potente, por lo que el nivel de complejidad que podíamos codificar no era el de un anticuerpo de tamaño normal, que es con lo que solemos trabajar”, comparte Jonathan Funk, estudiante de doctorado de la DTU. Además, encontrar un péptido que pueda unirse a un gen específico es solo un paso en el desarrollo de una vacuna y, por sí solo, no garantizaría el éxito de los fármacos.
