Llevar herramientas de IA para diseño de proteínas a todos los biólogos

Por qué importa llevar IA a los biólogos

La inteligencia artificial ya está demostrando su capacidad para acelerar el desarrollo de fármacos y profundizar nuestro entendimiento de enfermedades. Sin embargo, hay una barrera clara: la mayoría de los científicos no son expertos en machine learning ni en la infraestructura que exige. OpenProtein.AI nace para cerrar esa brecha, ofreciendo una plataforma sin código que pone modelos de base y herramientas de ingeniería proteica directamente en manos de investigadores.

Qué ofrece la plataforma

La propuesta de valor de OpenProtein.AI es simple y estratégica: una interfaz web intuitiva donde los equipos de laboratorio pueden subir datos, generar bibliotecas de secuencias y usar modelos predictivos para seleccionar candidatos prometedores antes de llevarlos al banco de pruebas. Además del front-end no-code, la plataforma dispone de APIs para quienes prefieren integrar las capacidades por código.

Entre las herramientas disponibles destacan modelos de lenguaje para proteínas —liderados por PoET (Protein Evolutionary Transformer)— diseñados para aprender patrones evolutivos y generar familias de proteínas relacionadas. Estos modelos permiten incorporar datos experimentales sin necesidad de reentrenar desde cero, lo que facilita que los equipos añadan sus propias mediciones para refinar predicciones y optimizaciones.

Origen y equipo

OpenProtein.AI fue fundada por Tristan Bepler (PhD ‘20) y el ex profesor asociado del MIT Tim Lu (PhD ‘07). Bepler comenzó a trabajar en estos temas durante su doctorado en el Programa de Biología Computacional y de Sistemas del MIT, donde identificó cuánto nos falta por entender sobre la relación entre secuencia, estructura y función de las proteínas. Esa inquietud lo llevó a explorar modelos generativos que capturan el lenguaje de las proteínas antes del auge de herramientas como AlphaFold.

En la etapa postdoctoral en el laboratorio de Tim Lu, el equipo vio claramente la desconexión entre las herramientas más avanzadas de IA y los biólogos que las necesitarían: ideas sofisticadas que, sin una interfaz accesible, quedaban fuera del alcance de quienes no programan. De esa brecha surgió el objetivo de OpenProtein: convertir métodos de machine learning en una caja de herramientas práctica para la ingeniería de proteínas.

Cómo beneficia esto al desarrollo de terapias y aplicaciones industriales

Según los fundadores, los modelos permiten hacer ingeniería proteica de manera más eficiente, lo que puede reducir ciclos de desarrollo tanto para terapias como para usos industriales. En la práctica, investigadores usan la plataforma para generar miles de secuencias in silico, evaluarlas con predictores estructurales y de función, y priorizar las variantes que pasan a pruebas de laboratorio.

La plataforma no está limitada a una sola familia de proteínas o a una única aplicación: funciona como un conjunto de flujos de trabajo y herramientas abiertas que pueden adaptarse a distintos objetivos, desde diseño de enzimas industriales hasta candidatos terapéuticos.

Acceso y adopción en la industria y academia

OpenProtein.AI ofrece acceso gratuito a su plataforma para científicos en el mundo académico, lo que facilita su adopción por universidades y centros de investigación. En la industria privada, la empresa ya colabora con organizaciones farmacéuticas y biotecnológicas de distintos tamaños: por ejemplo, la farmacéutica Boehringer Ingelheim comenzó a usar la plataforma a comienzos de 2025 y anunció una ampliación de la colaboración para integrar esas capacidades en programas de ingeniería proteica orientados a enfermedades como cáncer y trastornos autoinmunes.

Limitaciones y consideraciones prácticas

Aunque las interfaces no-code reducen la barrera de entrada, siguen existiendo desafíos reales para su adopción masiva en regiones como América Latina. Entre ellos están la disponibilidad de infraestructura computacional local (GPUs y almacenamiento), la necesidad de capacitación experimental y computacional, y marcos regulatorios y éticos que garanticen un uso responsable de las tecnologías.

Además, si bien los modelos facilitan la generación y priorización de candidatos, la validación experimental sigue siendo imprescindible: los resultados in silico reducen el riesgo y el costo inicial, pero no sustituyen los ensayos bioquímicos y celulares que confirman actividad, seguridad y viabilidad.

Oportunidades para América Latina

Para la comunidad científico-tecnológica latinoamericana, plataformas como la de OpenProtein.AI representan una oportunidad estratégica. Algunas vías prácticas para capitalizarla incluyen:

• Fomentar alianzas entre universidades y empresas para acceso compartido a plataformas y recursos computacionales.
• Integrar formación práctica en diseño computacional de proteínas en posgrados y centros de bioinnovación.
• Aprovechar el acceso académico gratuito para acelerar investigación local en enfermedades endémicas o aplicaciones industriales relevantes para la región.

Estas acciones no solo democratizan el acceso a tecnología de punta, sino que también pueden fortalecer cadenas de valor locales en biotecnología y salud.

Hacia una “lengua” de los sistemas biológicos

Los fundadores de OpenProtein ven más allá del diseño de proteínas: consideran que estos modelos contribuyen a crear una especie de lenguaje para describir sistemas biológicos, y exploran extender los enfoques a modalidades no proteicas. Ese horizonte implica un cambio de paradigma: pasar de herramientas fragmentadas a marcos integrados que articulen secuencia, estructura y función en distintos niveles.

Conclusión

OpenProtein.AI ejemplifica cómo la convergencia de IA y biología puede ser traducida a productos prácticos que amplían el acceso a capacidades complejas. Para Latinoamérica, la combinación de acceso académico gratuito y la posibilidad de integrarlo en flujos industriales representa una vía para acelerar la investigación y la innovación local. El desafío será acompañar estas herramientas con inversión en infraestructura, capacitación y gobernanza para que los beneficios lleguen de forma amplia y responsable.