Las tecnologías de diseño de proteínas y genomas han experimentado un desarrollo notable con la aparición de nuevas herramientas que permiten a los usuarios formular sus solicitudes utilizando el lenguaje natural en lugar de depender exclusivamente de especificaciones matemáticas y espaciales complejas. Esta tendencia representa un cambio cualitativo en la forma en que los investigadores interactúan con el software de ingeniería biológica, similar al concepto conocido como programación en lenguaje natural en la ciencia informática.
En este contexto, un equipo de investigación internacional que incluye a investigadores de China ha desarrollado una nueva herramienta conocida como Pinal, cuyo objetivo es simplificar el proceso de diseño de proteínas. La herramienta se basa en dos etapas principales; la primera se llama T2struct y traduce los comandos de texto en un plano estructural lineal basado en las probabilidades espaciales de los aminoácidos, mientras que la segunda etapa, representada por el sistema SAProt-T, se encarga de reevaluar y converger la estructura tridimensional para producir la secuencia final de la proteína requerida.
Pruebas prácticas con tasas de éxito limitadas pero prometedoras
Para probar la eficiencia de la herramienta Pinal, los investigadores le pidieron que diseñara cuatro tipos diferentes de proteínas, incluyendo una proteína fluorescente y múltiples enzimas. En el caso de las proteínas fluorescentes similares a la conocida proteína GFP, se indicó a la herramienta que generara cincuenta mil candidatos, los cuales se sometieron posteriormente a procesos de filtrado rigurosos que compararon las estructuras y configuraciones objetivo.
El proceso de filtrado produjo una lista corta de veintinueve candidatos que fueron producidos y probados en el laboratorio, dando como resultado una proteína funcional y luminosa según lo requerido. A pesar de la baja tasa de éxito directo, los investigadores señalan que este enfoque reduce la necesidad de una profunda experiencia técnica en química de proteínas, siempre que se disponga de laboratorios equipados para la selección y verificación.
Ampliación del alcance del lenguaje natural para incluir el ADN
En paralelo, la empresa Hugging Face, en colaboración con la Academia Zhongguancun y la Universidad de Nápoles Federico II, anunció un modelo de pesos abiertos llamado Carbon X. Este modelo funciona a nivel local y puede ejecutarse en hardware de bajo costo como dispositivos portátiles de Apple, lo que resuelve los dilemas de privacidad y los costos de computación en la nube asociados con los grandes modelos comerciales.
El modelo se basa en el modelo de lenguaje humano Qwen3-14B y ha sido reentrenado utilizando datos de ADN para poder comprender y traducir entre los idiomas humanos y los códigos genéticos, permitiendo a los usuarios hacer preguntas analíticas directas sobre el impacto de las modificaciones genéticas.
¿Qué cambia prácticamente para los usuarios e investigadores?
Estos desarrollos no significan prescindir de los biólogos o de los laboratorios especializados, ya que sigue existiendo una necesidad urgente de software de cribado avanzado y de verificación experimental en laboratorio. Sin embargo, por otro lado, eliminan los obstáculos para los investigadores no especializados en bioinformática, facilitando plantear preguntas de investigación complejas mediante formulaciones lingüísticas sencillas y acelerando el ritmo de los descubrimientos en la era postgenómica.