Científicos de la Universidad Técnica de Dinamarca (DTU) han demostrado con éxito que una computadora cuántica puede mejorar la precisión y el alcance de los modelos generativos de inteligencia artificial (IA) para el descubrimiento de fármacos. Y lo hicieron utilizando su tiempo libre y dinero sobrante de otros proyectos.
El equipo de la DTU ejecutó su modelo generativo de IA para predecir proteínas en conjunto con una computadora cuántica del tamaño de una impresora, construida por la startup británica Orca Computing. Esta combinación aceleró la IA al vincular máquinas cuánticas con procesadores tradicionales.
¿Cómo funciona la técnica híbrida?
Los investigadores utilizaron la técnica híbrida para generar nuevos péptidos (cadenas cortas de aminoácidos) capaces de unirse a proteínas específicas del cuerpo humano. Este proceso es un paso crucial en el desarrollo de vacunas.
El equipo trabajó los fines de semana y reunió dinero no gastado de otros proyectos porque, según el profesor Timothy Patrick Jenkins, líder del proyecto, “la ciencia más innovadora asusta demasiado a las fundaciones”.
Resultados prometedores
Al fabricar los péptidos en el laboratorio y probar su capacidad de unión a proteínas específicas, se observó que el modelo cuántico producía péptidos más exitosos que su contraparte clásica, con mejoras más notables cuando los datos de entrenamiento eran escasos.
El equipo cree que esta máquina podría acelerar el desarrollo de inmunoterapias y vacunas personalizadas, así como mejorar la eficacia de fármacos en grupos poco estudiados. “Necesitábamos demostrar realmente que nuestras predicciones se conectan con el mundo real para convencer a los escépticos”, comenta Patrick Jenkins a WIRED.
El escepticismo inicial y el potencial cuántico
La computación cuántica sigue siendo un campo incipiente y enfrenta un intenso escrutinio debido a los desafíos técnicos de construir estas máquinas y aplicarlas con éxito a problemas reales. Incluso Patrick Jenkins era inicialmente reacio a explorar la tecnología: “Era un gran escéptico cuántico”, dice entre risas, creyendo que cualquier aplicación a su trabajo estaría “a décadas de distancia”.
Él y su equipo utilizan big data e IA para descubrir proteínas que puedan desbloquear nuevas inmunoterapias de forma más barata y rápida, a menudo financiados por la Fundación Novo Nordisk. Un desafío particular ha sido la falta de datos sobre la variedad completa de información genética en la raza humana, ya que la mayoría de la investigación médica se ha centrado en poblaciones occidentales. Esto dificulta el desarrollo de péptidos que funcionen en poblaciones poco estudiadas, como las de Asia y África.
Su equipo planteó la hipótesis de que incorporar una computadora cuántica en su flujo de trabajo podría generar un conjunto más diverso de péptidos, especialmente para objetivos con menos datos, después de saber que las máquinas tenían un efecto similar en la generación de imágenes.
Limitaciones actuales y futuro
El proceso recién descubierto no revolucionará la investigación de inmediato, ya que las computadoras cuánticas aún son demasiado pequeñas para ejecutar modelos de IA de vanguardia a gran escala. “La cuántica aún no es muy potente, por lo que el nivel de complejidad que pudimos codificar no era un anticuerpo de tamaño normal, que es con lo que solemos trabajar”, dice Jonathan Funk, estudiante de doctorado de la DTU.
Además, encontrar un péptido que pueda unirse a un gen específico es solo un paso en el desarrollo de vacunas, y no generaría fármacos exitosos por sí solo. “Creo que no es sorpresa que muchas empresas industriales piensen que la cuántica es difusa y lejana”, dice Richard Murray, CEO de Orca Computing, en parte porque la tecnología “nunca ha tenido ejemplos claros de utilidad a corto plazo”.
Murray señala que este estudio es novedoso porque muestra una aplicación comercial cercana para la cuántica. Su empresa también está aplicando la tecnología en proyectos con la petrolera BP en química y con el fabricante de automóviles Toyota para hacer más eficiente su proceso de diseño.
El equipo de la DTU ahora probará si puede utilizar el flujo de trabajo con modelos más avanzados y proteínas más grandes. “Necesitábamos una forma fácil de validar que ahora realmente tenemos la oportunidad de mover el marcador significativamente”, dice Patrick Jenkins, señalando que los flujos de trabajo de IA generativa son particularmente valiosos en enfermedades desatendidas que reciben poca inversión en investigación. También está considerando usar una computadora cuántica para mejorar su método de IA generativa para diseñar antídotos sintéticos contra el veneno de serpiente.
Otros artículos relacionados:
- IA y salud: cómo la inteligencia artificial está revolucionando la medicina personalizada
- Computación cuántica: qué es y por qué importa para el futuro de la tecnología
- Descubrimiento de fármacos con IA: el camino hacia vacunas más rápidas
