Ciencia de fin de semana: una computadora cuántica acaba de ayudar a inventar nuevos candidatos de fármacos

Puntos clave

• Investigadores de la Universidad Técnica de Dinamarca utilizaron un modelo de IA asistido por computadora cuántica en 2024 para generar péptidos novedosos, cadenas cortas similares a proteínas utilizadas en el desarrollo de fármacos.
• Las pruebas de laboratorio confirmaron que el modelo asistido por computadora cuántica produjo más péptidos exitosos que el software equivalente estándar, con las mayores ganancias donde los datos de entrenamiento eran escasos.
• El equipo financió el trabajo agrupando dinero no gastado de otros proyectos y trabajando los fines de semana, porque ningún organismo de financiación lo respaldaría.
• Las computadoras cuánticas siguen siendo demasiado pequeñas para ejecutar modelos de descubrimiento de fármacos a gran escala, por lo que este resultado es una prueba de concepto, no un producto terminado.
• ORCA Computing, la startup británica que construyó la máquina cuántica, dice que el estudio es uno de los primeros usos comerciales cercanos claros de la tecnología.

Un pequeño equipo de la Universidad Técnica de Dinamarca (DTU) ha demostrado que conectar una computadora cuántica a una tubería de descubrimiento de fármacos con IA puede producir mejores candidatos de medicina que usar solo una computadora normal. Publicaron los resultados después de ejecutar el experimento los fines de semana, pagándolo con presupuesto sobrante de otras becas.

El modelo de IA en cuestión es un modelo generativo, software que crea nuevos resultados en lugar de solo clasificar los existentes, similar en espíritu a la tecnología detrás de los generadores de imágenes. Aquí, generaba péptidos: pequeñas cadenas de aminoácidos, los bloques de construcción de las proteínas, que pueden adherirse a objetivos específicos dentro del cuerpo. Encontrar péptidos que se unan de manera confiable a una proteína objetivo es un paso inicial crítico en el diseño de vacunas y otros medicamentos.

La máquina cuántica que utilizaron fue construida por la startup británica ORCA Computing y tiene aproximadamente el tamaño de una impresora de escritorio. No es un reemplazo independiente de una computadora normal. En cambio, funciona junto a una, una configuración que los investigadores llaman sistema híbrido. El componente cuántico maneja una parte específica del cálculo donde la física cuántica le da una ventaja en explorar posibilidades variadas.

Las pruebas de laboratorio fueron importantes aquí. El equipo sintetizó realmente los péptidos que el modelo sugirió y probó si se adherían físicamente a sus proteínas objetivo. Lo hicieron, y con una tasa de éxito más alta que los péptidos generados por la versión clásica no cuántica del mismo modelo. La mejora fue más pronunciada para proteínas donde los datos de entrenamiento, los ejemplos históricos de los que aprende la IA, eran limitados.

Este último punto es significativo. La mayoría de las investigaciones médicas se han centrado en poblaciones occidentales, dejando menos datos genéticos para personas en Asia, África y otros grupos poco estudiados. El profesor de DTU Timothy Patrick Jenkins, que lideró el proyecto, le dijo a Wired que el paso cuántico parecía ayudar al modelo a generar un conjunto más diverso de candidatos incluso con datos limitados, lo que eventualmente podría ayudar a producir medicamentos que funcionen en un rango más amplio de pacientes.

¿Significa esto que las computadoras cuánticas cambiarán la medicina pronto?

Aún no. Las máquinas cuánticas disponibles hoy son demasiado pequeñas para ejecutar un modelo de anticuerpos de tamaño completo, el tipo con el que los investigadores normalmente trabajan. Una computadora estándar de alta gama aún superaría el rendimiento en la mayoría de las tareas reales de descubrimiento de fármacos. El director ejecutivo de ORCA Computing, Richard Murray, reconoció que la tecnología ha sufrido durante mucho tiempo por la falta de usos cercanos claros. Este estudio, dice, es uno de los primeros ejemplos concretos de que puede hacer algo útil en un entorno comercial hoy.

Jenkins ya está planeando el siguiente paso: probar el flujo de trabajo en proteínas más grandes y modelos de IA más avanzados. También está explorando si el mismo enfoque cuántico podría ayudar a diseñar antídotos sintéticos para el veneno de serpiente, un área descuidada que atrae poco financiamiento para investigación.

Para los pacientes y el público, el impacto práctico está años alejado. Lo que este estudio hace es darles a los investigadores una pequeña pero real razón para continuar explorando la combinación.