«La IA de por sí no es tan útil si no tienes buenos datos para entrenarla»

El investigador gallego al frente del Machine Biology Group de la Universidad de Pensilvania (EE UU) lidera una revolución en la búsqueda de nuevos antibióticos gracias a la inteligencia artificial. Sus algoritmos exploran la totalidad de la biología, incluida la vida extinta, para rescatar moléculas que podrían salvar millones de vidas frente a la resistencia bacteriana. En esta entrevista, concedida a raíz de su intervención, esta semana, en la entrega de los Premios Zendal en Vigo, César de la Fuente (A Coruña, 1986) reflexiona sobre los retos científicos, éticos y humanos de una tecnología que acelera el descubrimiento biomédico como nunca antes.

–La resistencia a los antibióticos es una pandemia silenciosa que se cobra 5 millones de vidas al año y se prevé que mate a más personas que el cáncer en 2050. ¿Cómo se vive en su equipo investigador la urgencia por desarrollar nuevos fármacos que puedan salvar vidas?

–Eso hace que me levante con emoción para ir al laboratorio corriendo e intentar hacer algo, pensar en ideas nuevas junto con mi equipo y poder testarlas. El objetivo último es el sueño de poder crear medicamentos que en un futuro puedan salvar vidas y beneficiar a la humanidad. Ese es el fuego interno que tenemos, estamos tremendamente motivados para hacerle frente a este gran problema de salud global al que nos enfrentamos. Las enfermedades infecciosas han sido las asesinas número a lo largo de la historia. Tenemos que estar preocupados.

–Antes, la búsqueda de antibióticos se comparaba a una labor de minería de tierra, probando compuestos de la naturaleza mediante ensayo y error. ¿Cómo ha cambiado la inteligencia artificial (IA) esta búsqueda de moléculas?

–Es totalmente nuevo en el sentido de que ya no vamos a la naturaleza para encontrar nuevas moléculas en una minería de suelos, sino que lo hacemos todo en el ordenador. Podemos explorar toda la biología a nivel de información en el ordenador, porque se han secuenciado muchos genomas, proteomas y metagenomas a lo largo de los años, y ahora con los algoritmos de IA que hemos desarrollado podemos recorrer toda esa información en tiempo récord. Descubrimos antibióticos a velocidad digital, en lugar de a velocidad natural como se hacía anteriormente. Esto ha revolucionado completamente el descubrimiento de antibióticos. La fase de descubrir moléculas nuevas ha sido un cambio radical en los últimos años. Hemos pasado de tardar años en poder encontrar cosas a tardar minutos u horas con el ordenador.

–¿En cuánto tiempo se pasa de encontrar una molécula prometedora a validarla en modelos animales?

–En laboratorio hacemos toda la parte de IA, y luego la parte de síntesis. Tenemos un laboratorio de machine learning [aprendizaje automático] computacional y un laboratorio de química donde sintetizamos todas las moléculas. Tenemos robots que nos ayudan a fabricarlas. Después, en otro laboratorio, de microbiología y biología sintética, validamos todo lo que el ordenador predice. Y luego también tenemos modelos de ratón. La fase de descubrimiento en el ordenador puede ser minutos, hoy en día. Sintetizar las moléculas y validarlas en el laboratorio en tubos de ensayo puede tardar una semana o dos si apuramos mucho los proyectos. Si queremos introducir ya modelos de ratón, una semana más. En total, entre dos y tres semanas si quieres testarlo en ratones. Es un paradigma nuevo, porque anteriormente esto podía tardar años.

–¿Puede citar alguna molécula que haya sido identificada mediante IA que haya avanzado hacia ensayos preclínicos?

–Hemos descubierto millones de moléculas, explorando de forma digital tanto la vida de hoy en día como del pasado. De ahí hemos sintetizado en el laboratorio miles de moléculas, que también hemos testado in vitro en tubos de ensayo. En modelos de ratón, a nivel preclínico, hemos testado cientos de ellas. Incluye, por ejemplo, la mamutusina del mamut lanudo; moléculas del ser humano, de nuestro propio material genético, que hemos descodificado, lo que incluye la neandertalina de los neandertales y muchas otras moléculas que vienen de muchos lugares a lo largo del árbol de la vida. Al final hemos encontrado antibióticos producidos por arqueas, que son los primeros seres vivos que existieron en la Tierra. Por primera vez los hemos explorado a nivel digital de manera sistemática y hemos encontrado una nueva clase de antibióticos que llamamos arqueasinas. Hemos recorrido todo el mundo biológico como lo conocemos y hemos desarrollado algoritmos para encontrar lo que la evolución ha producido. Después, tenemos otra parte del laboratorio donde desarrollamos modelos de IA generativa y creamos de cero antibióticos que la naturaleza nunca ha pensado. Nos inspiramos en la naturaleza en una gran parte de lo que hacemos, pero también miramos a lo sintético, a lo artificial, para poder crear cosas que nunca han existido anteriormente.

–En muchas de sus investigaciones, las moléculas que identifica como candidatas a antibióticos son péptidos. Este tipo de moléculas las nombran, por ejemplo, en anuncios de cosméticos, pero son menos conocidas que las proteínas. ¿Qué son los péptidos y por qué son más prometedores?

–Los péptidos me parecen fascinantes. Son pequeñas cadenas de aminoácidos, que son los componentes fundamentales de las proteínas. Un péptido, al final, es una proteína pequeña. Son las moléculas funcionales más pequeñas que existen. Siempre he pensado que si logramos entender cómo programar estos péptidos, podremos resolver muchísimos de los problemas que tenemos hoy en día. Todavía no sabemos cómo programarlos para convertirlos en nuevas medicinas, en nuevas herramientas moleculares, para hacer catálisis… incluso pueden actuar incluso como semiconductores, tienen un abanico de funcionalidades tremenda que no se ha explotado. Pongo ejemplos que seguro que la audiencia de FARO conoce: la insulina es un péptido; y también el Ozempic, para la diabetes, es un péptido bastante corto, muy fácil de sintetizar en el laboratorio, y viene de un veneno. Esto nos revela el potencial que tienen estas moléculas si logramos aprender a programarlas desde un punto de vista de principios básicos.

–Uno de sus hallazgos más fascinantes, casi de ciencia-ficción, es la “desextinción molecular”. Por ejemplo, de los neandertales o del mamut lanudo, que ha citado. ¿Cómo se le ocurrió algo así? ¿Levantó muchas cejas en el laboratorio esta idea?

–Es una idea nueva. Se nos ocurrió porque habíamos encontrado estas moléculas antibióticas encriptadas, que llamamos péptidos encriptados, escondidas en nuestro código genético, en el proteoma del ser humano. Planteamos la hipótesis de que estas moléculas antibióticas no solo estuvieran ahí, y miramos al resto de la vida, y al pasado, para ver si encontramos fragmentos similares de estos péptidos a lo largo de la evolución. Eso nos llevó a mirar primero a los humanos arcaicos, que son los neandertales y los denisovanos. Luego ampliamos un poco el abanico y dijimos, ¿por qué no explorar toda la biología ancestral? Y ahí es cuando desarrollamos este modelo de IA que llamamos Apex, que nos permitió recorrer toda la biología ancestral, viajar a través del holoceno y del pleistoceno a nivel digital, con IA, y recorrer toda la información genética disponible de todos estos organismos que desaparecieron a lo largo de la evolución.

–Algunos, no hace tantos años...

–Encontramos moléculas nuevas en pingüinos que se extinguieron en los años 50, hace relativamente poco, pero también árboles de magnolia que desaparecieron a lo largo del proceso evolutivo, el mamut lanudo, el elefante antiguo, perezosos gigantes y muchas otras criaturas que existieron hace mucho tiempo, pero que desafortunadamente, a través de diferentes eventos de extinción, pues dejaron de existir. Y ahora tenemos esta oportunidad de pensar en estas moléculas que estamos identificando como documentos de información. Todas las moléculas que tienen una función biológica a lo largo de la evolución, y hoy en día también, son documentos del proceso evolutivo. Y si logramos sintetizarlos y aprender de ellos, podremos aprender cosas que ocurrieron en aquella época y que de otra manera es imposible saber. Son fósiles moleculares de los que podemos aprender y en algunos casos resucitarlos a nivel químico para poder hacerle frente a superbacterias contra las cuales no tenemos soluciones hoy en día. Al final expande el espacio de moléculas potenciales, nos permite encontrar cosas diferentes a lo que existe ahora en la naturaleza.

–Usted ha recordado muchas veces que desarrollar un antibiótico cuesta muchísimo, mil millones de dólares de media. Además, es difícil que las farmacéuticas obtengan un retorno económico que lo compense, por lo que dejan de investigar. Incluso con esta IA, el proceso de desarrollo de antibióticos puede durar años. ¿Qué se puede hacer para que los descubrimientos que se hacen en su laboratorio lleguen al hospital con mayor rapidez?

–Es complicado. Lo que hemos hecho con IA es acelerar el proceso de descubrir cosas nuevas. En vez de 6-7 años, ahora tardamos minutos u horas. Pero luego esa molécula se tiene que desarrollar como un medicamento y pasar distintas fases clínicas: fase 1, fase 2, fase 3... Y eso lo veo complicado de acelerar, porque tienes que asegurarte que las moléculas que estás desarrollando no sean tóxicas. Esa labor lleva tiempo. Hay gente trabajando en modelos de IA para intentar aportar en el ámbito de la fase clínica. No es lo que hacemos nosotros, ojalá pueda ser, pero esos tiempos hoy en día son difíciles de acortar. Y no sé yo si se deberían de acortar tanto, porque lo que la gente se tome tiene que ser lo mejor posible. Esos estudios clínicos tardan años, porque hay que reclutar pacientes para probar los medicamentos. Una de mis aspiraciones es que podamos meter un montón de moléculas en fase clínica y que luego en paralelo se vayan desarrollando. Tenemos varias compañías ahora para intentar desarrollar alguna de estas cosas, tanto a nivel antibiótico como para otro tipo de aplicaciones. Ojalá logremos ser capaces de llevarlo al otro lado en unos años.

–Ha venido a la entrega de los premios Zendal, un grupo biotecnológico muy importante en Galicia y en España. ¿Hay suficiente músculo en la biotecnología gallega para formar parte de la revolución de la IA?

–Zendal es un buen ejemplo, un faro dentro de Galicia de lo que se puede hacer en términos de biotecnología en nuestra tierra. Parece que la Xunta está invirtiendo cada vez más en biotecnología y en inteligencia artificial. Nos acaban de otorgar la fábrica de IA, que son ochenta y pico millones de euros, creo. La financiación está ahí, ahora hay que ver cómo vamos a implementar el talento galego. El dinero es importante, pero es fundamental tener el talento y una visión para poder ejecutar todo a largo plazo. Confío en el talento y en la capacidad de trabajo que caracterizan al gallego. Mi objetivo y mi sueño es que Galicia se convierta en un polo de biotecnología y de IA a nivel mundial.

–En relación a Galicia hay un hito de los últimos meses, la colaboración con Pensilvania del superordenador del Centro de Supercomputación de Galicia (CESGA). ¿Esto en qué se va a traducir y nos puede beneficiar también a los gallegos y a los españoles?

–Sí, uno de los objetivos de esa colaboración con el CESGA es descubrir y desarrollar nuevos tipos de antibióticos. A lo mejor logramos encontrar una nueva molécula que en un futuro es un antibiótico que pueda beneficiar a todo el mundo, incluidos los gallegos.

–¿Los ordenadores cuánticos van a dar un impulso a este campo de investigación?

–Estamos justo ahora colaborando con el CESGA en un proyecto de computación cuántica aplicada a la biología. De hecho, nosotros estamos más bien aprendiendo de los investigadores e investigadoras que están en el CESGA, porque es un ámbito del conocimiento tan nuevo, sobre todo en la aplicación a la química y a la biología, que es como un niño pequeño, todavía estamos aprendiendo a dar los primeros pasos. Tengo muchas ganas de continuar esa colaboración con el CESGA, creo que tiene un potencial enorme.

–¿Qué riesgos éticos o de seguridad plantea el hecho de que la IA pueda diseñar moléculas biológicas peligrosas, como virus letales? ¿Quién establece límites en el uso de la tecnología?

–Esta es una conversación que debemos de tener todos, universidades, grandes compañías tecnológicas y gobiernos y público en general. Nosotros, junto con muchos premios Nobel y colegas nuestros, hemos suscrito cartas para el uso seguro de la IA en biología. Mi laboratorio ha firmado unas directrices para asegurarnos de que no hacemos algo que pueda ser peligroso. Una de las cosas que hemos decidido es que, si encontramos alguna molécula cuya secuencia puede parecerse a una biotoxina, no continuamos ese trabajo. Tenemos cortapisas para identificar ese tipo de secuencias y tomar esas decisiones. Esta aplicación de la IA a todo en nuestra sociedad es un mundo completamente nuevo, y en el uso de la biología hay mucho potencial. La IA de por sí no es tan útil si no tienes buenos datos para entrenarla. Esa es la ecuación del futuro: IA más buenos datos. Pero hay que mantener un diálogo constante y foros, como este evento de Zendal, para ver qué piensa la gente y cómo nos movemos como sociedad en un futuro donde la IA va ser omnipresente.

–Hay una carrera de los gigantes de la IA, especialmente Meta, de Mark Zuckerberg, para fichar a científicos de IA pagando cantidades astronómicas. ¿Le afecta a usted o a su equipo?

–Es difícil reclutar gente para que trabaje en instituciones académicas. No podemos competir con los salarios de las grandes compañías tecnológicas. El gran plus de estar en un laboratorio como el mío es que podemos expandir las fronteras del conocimiento de manera más rápida que en una compañía, porque somos más pequeños y tenemos esa libertad intelectual y académica que una gran compañía no tiene, porque van imperando los poderes económicos. Las instituciones académicas no podemos competir, ya no hablo de los grandes salarios que ha ofrecido Meta, sino salarios de hace 5 años en Google, Meta, Microsoft, Amazon y demás. Creo que hay conversaciones en EEUU sobre si se deben incrementar los salarios de la gente que trabaja en IA para competir con las industrias tecnológicas. Es un diálogo que se ha de tener, porque sería una pena que en las instituciones académicas no tengamos gran talento de IA. Mucha gente acaba el doctorado en ingeniería informática y quiere irse a las compañías a ganar un montón de dinero.

–Debo preguntarle sobre la situación de la ciencia en Estados Unidos, que también ha tocado a la academia y a algunas universidades de la Ivy League, a la que pertenece la Universidad de Pensilvania, por decisiones del presidente Trump, y también las políticas de salud de Robert Kennedy Jr. ¿Qué opina de todo lo que está pasando con la ciencia, y con la anticiencia, en Estados Unidos?

–No me gusta meterme en política [silencio]. La mejor herramienta que tiene el ser humano es el método científico. Si tomas decisiones sin tener en cuenta el método científico, la evidencia, yo estoy en contra de eso. Eso resume bien mi opinión. Además, el ambiente de incertidumbre como el que tenemos ahora en EEUU no es un propicio para hacer ciencia. La incertidumbre siempre es mala para hacer algo que requiera la creatividad. Veremos lo que pasa. La administración Trump rompe todo, pero luego, ¿cuánto realmente acaba pasando al final? No tanto como lo que parece, pero el tiempo lo dirá. Se ha visto ahora en las elecciones que los demócratas han ganado mucho. Hay que darle tiempo. La gran invención del ser humano es el método científico. Nos ayuda no solo a hacer ciencia, sino a tomar decisiones a nivel político y en el día a día. ¿Cuál es la evidencia de esto? ¿Cuál es la hipótesis…?

–Es un modo de pensar de modo científico, escéptico y con sentido crítico.

–Claro, pensar basándonos en la evidencia nos ayuda a todos a navegar el día a día, a tomar decisiones difíciles. Que cada vez haya más gente que toma decisiones basándose en opiniones personales que no tienen nada que ver con la evidencia real, científica o la que sea, dificulta las cosas.

Suscríbete para seguir leyendo