En 2008, un grupo de investigadores de la Universidad de Washington tuvo una idea que parecía descabellada: si los humanos pasamos miles de millones de horas jugando videojuegos, ¿por qué no canalizar esa energía hacia uno de los problemas más difíciles de la biología? Así nació Foldit, un juego en línea donde cualquier persona, sin importar su formación científica, podía intentar plegar proteínas con el mouse, como si armara un origami tridimensional en la pantalla.
El reto no era menor. Las proteínas son las máquinas moleculares que sostienen la vida, pues digieren alimentos, transportan oxígeno y defienden al organismo, y su función depende enteramente de cómo se pliegan en el espacio. Predecir esa forma a partir de la secuencia de aminoácidos era, hasta entonces, un rompecabezas que tomaba meses o años de trabajo experimental. En 2010, la revista Nature publicó un resultado sorprendente: jugadores de Foldit, en su mayoría sin estudios en bioquímica, habían superado a los algoritmos más avanzados de la época en varios problemas de predicción estructural. Donde la computadora se atascaba, la intuición visual humana encontraba caminos creativos para reorganizar la molécula.
Aquel experimento marcó un antes y un después. Cada partida, cada solución y cada estrategia inventada por los jugadores generó una enorme cantidad de información valiosa que, con el tiempo, se convertiría en parte de las bases de entrenamiento para las nuevas técnicas de inteligencia artificial, en particular las redes neuronales que hoy revolucionan la biología estructural. Los humanos, sin saberlo, le estaban enseñando a las máquinas a pensar en tres dimensiones.
A partir de ahí, la inteligencia artificial tomó el relevo y aceleró el campo a una velocidad inimaginable. AlphaFold2, un programa computacional con inteligencia artificial desarrollado por DeepMind en 2020, alcanzó una precisión cercana a la experimental, y poco después RoseTTAFold, otro programa con inteligencia artificial, ofreció una alternativa abierta a la comunidad científica. Hoy, sistemas como AlphaFold3 ya predicen no sólo proteínas aisladas, sino complejos completos con ácidos nucleicos, fármacos e iones interactuando entre sí.
La historia, sin embargo, no termina con la predicción. La nueva frontera es el diseño generativo: en lugar de adivinar cómo se pliega una proteína existente, herramientas como RFdiffusion y ProteinMPNN crean proteínas que la naturaleza nunca produjo, hechas a la medida para neutralizar virus, bloquear células tumorales o reemplazar enzimas defectuosas. Durante la pandemia del COVID-19, estas técnicas mostraron su potencial al acelerar el diseño de anticuerpos y vacunas en cuestión de semanas.
De un juego en línea con jugadores anónimos a algoritmos capaces de inventar moléculas terapéuticas, el camino ha sido complicado. Lo que comenzó como un experimento de creatividad colectiva se ha transformado en una de las herramientas más prometedoras de la medicina del siglo XXI: el medicamento del futuro ya no se descubre por casualidad, se diseña átomo por átomo en una computadora.
