Investigadores de la Universidad de Washington publicaron un modelo que acepta objetivos de diseño de proteínas escritos en lenguaje natural. A diferencia de muchos anuncios de IA para ciencia, hay datos de laboratorio: nueve proteínas diseñadas se unieron a una diana de una enfermedad rara. También hay límites claros.
Prompteina es un modelo generativo del equipo del Instituto de Diseño de Proteínas de UW Medicine (con David Baker, premio Nobel) en colaboración con investigadores de lenguaje natural, entre ellos Hanna Hajishirzi (Allen Institute for AI), Noah A. Smith y Allyson Ettinger, según el reporte de Tech Times. El trabajo apareció en arXiv el 9 de octubre de 2026 y fue aceptado en la conferencia principal de NeurIPS 2026. El código y los datos están publicados en GitHub.
La arquitectura es de flow matching, heredada de Proteina-Complexa, y genera estructuras tridimensionales completas con coordenadas de todos los átomos. La novedad es que el objetivo se expresa en inglés: por ejemplo, el tipo de unión que se busca con una diana. Para lograrlo, el equipo entrenó con 1,8 millones de estructuras de proteínas emparejadas con más de 50 millones de descripciones generadas automáticamente, y añadió un alineamiento texto-residuo durante el ajuste fino. En esencia, reemplaza especificaciones técnicas rígidas por una descripción textual del objetivo.
Esto es mucho más sólido que una simulación: los binders se midieron en experimentos de laboratorio. Pero la afinidad de 107 nanomolar queda por encima del rango terapéutico típico de 1 a 10 nM, de modo que son puntos de partida, no fármacos.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel