Google diseña con agentes de IA proteínas que se unen a una diana del cáncer

Google Research ha explicado cómo ha diseñado desde cero proteínas capaces de agarrarse a FAP, una proteína que abunda en muchos tumores sólidos y que los laboratorios usan como diana contra el cáncer. Lo contó el viernes 16 de octubre en su blog de investigación, con un agente de IA dirigiendo parte del trabajo.

La pieza central es lo que llaman epitope excision: recortar la proteína diana y quedarse solo con la zona donde se produce el enganche. El dominio de FAP con el que trabajaron tiene 719 aminoácidos y volver a calcular su forma entera en cada vuelta salía carísimo. Con ventanas de 85 a 130 aminoácidos, según el documento técnico que acompaña al anuncio, la predicción de estructura con AlphaFold 3, el programa de Google DeepMind que adivina la forma de una proteína, va 8,6 veces más rápida y consume un 88 por ciento menos de horas de GPU. En una prueba con 15 dianas y 3.666 diseños, los recortes dejaron la zona de contacto casi igual que la proteína completa: 0,37 angstroms de desviación mediana, la escala en la que se miden los átomos.

Con el mismo presupuesto de cálculo, el equipo comparó tres maneras de llevar la campaña contra FAP: un investigador trabajando solo; un investigador acompañado de un agente basado en Gemini 3.1 Pro, el modelo de IA de Google, que decide dónde unirse y cómo reparte el cálculo; y el agente a solas. Ganó la pareja, que pasó del 5,06 al 9,33 por ciento de diseños válidos, un 84 por ciento más, gastando aproximadamente el 58 por ciento del presupuesto de GPU. El agente autónomo decidió por su cuenta parar cerca del 94 por ciento del presupuesto que tenía.

Después salieron del ordenador. Probaron una biblioteca de 5.000 candidatos en levadura y, tras tres rondas de cribado, quedaron 571 secuencias enriquecidas, 60 de ellas idénticas a diseños hechos por ordenador. De esas, cuatro pasaron por la medida de afinidad: entre 3,0 y 9,1 nanomolares, el grado de unión fuerte que se busca en un fármaco y que, según Google, suele llegar solo después de muchas vueltas de laboratorio.

El propio equipo marca los límites. Deja para más adelante los ensayos que digan si estas proteínas llegan a frenar la actividad de FAP y si distinguen bien sus dominios, y advierte de que la comparación entre investigador y agente se hizo con una sola diana, un solo tipo de armazón y un solo modelo de IA.

El anuncio llega con dos trabajos más del mismo grupo: VERID, un gemelo digital del laboratorio que simula cada orden antes de que un robot la ejecute, y una prueba con aptámeros de ADN en la que los agentes corrigieron entre rondas sus propios errores. Google dice que escogió sistemas biológicos no infecciosos, que cada secuencia diseñada pasa un cribado de bioseguridad y que una persona autoriza y revisa los diseños y supervisa a los robots.