Computación e inteligencia artificial para una biotecnología del futuro

La biotecnología moderna consiste en el uso de diferentes tecnologías que permiten producir nuevas sustancias a partir de la información conocida de diferentes sistemas biológicos, como por ejemplo el descubrimiento de nuevos fármacos en el caso de la biotecnología farmacéutica, o el desarrollo de agroquímicos optimizados en el caso de la agrobiotecnología. 

Dentro de las diferentes estrategias biotecnológicas posibles, cabe destacar la gran importancia que han adquirido en los últimos años los métodos computacionales, gracias a diferentes avances muy significativos como la disponibilidad creciente de una gran cantidad de información química y biológica (por ejemplo, a partir de experimentos de cribado de alto rendimiento, o a partir de las técnicas conocidas en su conjunto como “ómicas”), el incremento de la potencia de cálculo para analizar informáticamente estos datos, y el desarrollo de nuevos métodos de inteligencia artificial y “machine learning”.

En la situación actual encontramos que gran número de los computadores más importantes del mundo están relacionados con el cálculo de operaciones que resuelven cuestiones biológicas. De esta manera, disciplinas dispares como la química, la biología y la informática pueden contribuir conjuntamente y aplicarse en el tratamiento de datos y el descubrimiento y optimización de sustancias más eficaces, con mejores perfiles de seguridad y más sostenibles (por ejemplo, fármacos más específicos y mejores, que sean capaces de atacar a una diana terapéutica muy concreta, con menos efectos adversos, y que tengan menor impacto en el medio ambiente al ser eliminados). A nivel de la industria química en general, el incremento del número de compuestos evaluados computacionalmente previo a su registro y comercialización facilita el uso de las mejores alternativas, y así por ejemplo se puede reducir significativamente el uso y el riesgo de pesticidas químicos (que por ejemplo pueden actuar como disruptores endocrinos), así como el uso de fertilizantes y antibióticos.

Estas estrategias computacionales también pueden contribuir a describir mejor los mecanismos intrínsecos de los procesos biológicos mediante modelos simulados que explican las interrelaciones moleculares en los organismos vivos. Este es por ejemplo el caso de la elucidación y confirmación de la estructura de las proteínas, cuyo conocimiento puede ser de gran ayuda a la hora de encontrar nuevos tratamientos terapéuticos o estudiar el impacto de patógenos en las plantas. En ese sentido cabe destacar el gran impacto que la inteligencia artificial puede tener con herramientas como la plataforma Alpha Fold (Tunyasuvunakool et al), que ofrece la estructura de más de 365.000 proteínas de todo tipo de seres vivos (desde levaduras o bacterias, hasta plantas, ratones o el mismo ser humano).

A nivel de la industria farmacéutica, Alpha Fold puede suponer un gran impulso para la ejecución del cribado virtual de grandes colecciones de estructuras químicas, para encontrar candidatos a medicamentos. Este tipo de cribados es típicamente un proceso de alto rendimiento a bajo costo que proporciona una indicación rápida de la eficacia y capacidad potencial de compuestos, facilitando así su priorización.

Los modelos computacionales permiten la predicción de propiedades físico-químicas, bioactividades o efectos tóxicos de compuestos incluso sin tener que llegar necesariamente a su síntesis química, simplemente a partir de su estructura “virtual”. Estos modelos además suponen un ahorro muy significativo de tiempo, recursos y dinero frente a los ensayos de laboratorio, y conllevan un componente ético notable, ya que permiten una reducción -cuando no supresión total- de los sacrificios de animales de laboratorio (Gozalbes et al).

En definitiva, el futuro de la biotecnología pasa ciertamente por el uso cada vez mayor de las tecnologías computacionales, algunas de las cuales hasta hace poco podían parecer ciencia-ficción, como el uso de moléculas de ADN en vez de procesadores basados en silicio, o el diseño de nanorobots para llevar los medicamentos directamente a su lugar de aplicación. Las próximas generaciones de ciudadanos se enfrentan a grandes retos (p. ej. el cambio climático o la seguridad alimentaria) que tienen que afrontarse mediante tecnologías transversales y apostando por la sostenibilidad del ecosistema. En ese sentido, la computación y la inteligencia artificial son consideradas como un habilitador fundamental para lograr los objetivos de sostenibilidad en muchos sectores biotecnológicos diferentes, facilitando el uso de productos más sostenibles y respetuosos con el entorno.      

Tunyasuvunakool, K., Adler, J., Wu, Z. et al. Highly accurate protein structure prediction for the human proteome. Nature 596, 590–596 (2021).

Gozalbes, R., de Julián-Ortiz, J.V. Application of chemoinformatics in predictive toxicology for regulatory purposes, especially in the context of the EU REACH legislation. International Journal of Quantitative Structure-Property Relationships, 3,  1-24 (2018).