La llegada de la inteligencia artificial generativa ha transformado el desarrollo de medicamentos basados en proteínas. NVIDIA presentó recientemente el Blueprint BioNeMo, una solución que combina IA avanzada y microservicios acelerados por unidades de procesamiento gráfico.
Esta plataforma digital permite a investigadores y empresas acortar de manera significativa tanto los plazos como los costos en el diseño de proteínas terapéuticas.
Tradicionalmente, el proceso de diseño de proteínas era lento y exigente. Según datos de NVIDIA, la cantidad de secuencias posibles para una única proteína supera ampliamente el número de átomos en el universo. Por ello, los científicos empleaban miles de rondas de prueba y error, cada una con resultados que podían demorar meses o años.
El método clásico dependía del trabajo manual en laboratorio, lo que requería grandes recursos de tiempo y dinero para identificar candidatos viables.
El Blueprint BioNeMo ofrece un flujo de trabajo digital que redefine la búsqueda de proteínas terapéuticas. A través de microservicios coordinados y modelos de inteligencia artificial generativa, la plataforma guía a los investigadores hacia los compuestos más prometedores, reduce los ciclos de prueba y aumenta la probabilidad de éxito.
Kyle Tretina, especialista en marketing de producto para IA en biología digital, indicó en el blog de NVIDIA que esta solución “representa un cambio de paradigma en el diseño de proteínas y ofrece un flujo de trabajo personalizable para potenciar las plataformas de descubrimiento de medicamentos”.
La base tecnológica de la plataforma incluye cuatro componentes principales. El primero es AlphaFold 2, empleado para la predicción de la estructura tridimensional de las proteínas objetivo. Este paso es crucial para comprender su funcionamiento en el organismo.
Luego, MMseqs2 permite realizar alineamiento múltiple de secuencias de manera acelerada, lo que aumenta la velocidad y precisión en el análisis inicial. NVIDIA detalla que esta integración logra procesos cinco veces más rápidos y diecisiete veces más eficientes en costos en comparación con el modelo original.
Una vez obtenido el modelo estructural, el sistema utiliza el modelo RFdiffusion para la optimización de conformaciones en la interacción molecular. Esta herramienta permite identificar las formas más estables y eficaces para la unión entre proteínas.
Cuando se alcanza una configuración óptima, ProteinMPNN se encarga de la generación y optimización de secuencias de aminoácidos. Así, la proteína se ajusta con precisión al entorno estructural buscado.
Terminada la fase de diseño, la validación vuelve a estar a cargo de AlphaFold 2 Multimer, que verifica si la proteína candidata y su objetivo forman una estructura estable y funcional.
Este procedimiento permite a los investigadores priorizar los compuestos con mayor proyección terapéutica y descartar rápidamente las opciones menos atractivas. Así se reduce de forma considerable el esfuerzo necesario en el laboratorio para pruebas adicionales.
El uso de este enfoque integrado supone una reducción notoria de los ciclos de prueba en laboratorio, así como una optimización de recursos. Según Kris Kersten, ingeniero técnico en IA en NVIDIA, “la integración de IA generativa y servicios acelerados por unidades de procesamiento gráfico permite a los científicos reducir el trabajo de laboratorio y acortar los tiempos de validación”, tal como se destaca en el blog corporativo.
La propuesta de NVIDIA destaca también por su versatilidad: permite el despliegue en la nube, en servidores propios o en entornos híbridos. Esto facilita el acceso para grandes empresas, startups y centros de investigación independientes.
El flujo de trabajo es adaptable y escalable. Puede ser implementado tanto en empresas farmacéuticas con altos volúmenes de trabajo como en laboratorios académicos con recursos limitados.
El acceso se realiza mediante plataformas digitales empresariales, donde los usuarios pueden descargar, personalizar y desplegar la solución con soporte corporativo directo de NVIDIA.
La incorporación de microservicios acelerados y modelos avanzados de inteligencia artificial generativa permite al sector biomédico explorar nuevas opciones terapéuticas y mejora la eficiencia del descubrimiento de medicamentos.
Este marco digital automatiza tareas manuales previas y concentra los esfuerzos del equipo de investigación en los compuestos con mayor potencial terapéutico, facilitando así el avance hacia una generación de tratamientos más personalizados y eficaces.
