Un concurso mundial de IA diseñó 12.000 proteínas contra el linfoma: solo 4 matan células tumorales en pruebas reales

Por Bioengineer.org · 8 de octubre de 2026. Veintiocho equipos de 42 países se midieron en Bits to Binders, un concurso abierto de diseño de proteínas por inteligencia artificial que llevó el campo a su prueba más exigente hasta la fecha: no bastaba con que una proteína se uniera bien a su diana en una simulación, tenía que funcionar dentro de una célula T humana viva. El resultado, publicado en Molecular Systems Biology, es un baño de realidad para una disciplina acostumbrada a titulares triunfales: de 12.000 proteínas diseñadas por ordenador, solo cuatro lograron destruir células tumorales de forma específica en el laboratorio.

El objetivo era diseñar el dominio de reconocimiento de un receptor CAR (chimeric antigen receptor, o receptor de antígeno quimérico), la pieza que un linfocito T modificado usa para localizar y destruir células cancerosas. En las terapias CAR-T ya aprobadas, ese dominio es un fragmento de anticuerpo —el scFv, de entre 230 y 260 aminoácidos— extraído de organismos vivos. El concurso proponía sustituirlo por un «minibinder» generado íntegramente por IA, de solo 80 aminoácidos, capaz de reconocer el CD20, una proteína de superficie característica de los linfomas.

La escala del experimento es lo que lo distingue de validaciones anteriores, casi siempre limitadas a un puñado de candidatos. Los organizadores clonaron las 12.000 secuencias en una librería de receptores CAR, usando cada secuencia como su propio código de barras genético, las integraron en el genoma de linfocitos T primarios y sometieron a las células resultantes a un asalto de dos semanas con células de linfoma (línea Raji) portadoras de CD20. Según los datos del propio estudio, el 98% de los diseños superó el control de calidad de síntesis de ADN, pero solo el 56,8% se recuperó con suficiente profundidad de secuenciación tras el cultivo, señal de que una fracción enorme ni siquiera llegó a expresarse o plegarse dentro de la célula. De ahí emergieron 707 diseños (un 5,9%) con enriquecimiento específico frente al CD20, con tasas de acierto que oscilaron entre el 0,6% y el 38,4% según el equipo, una brecha que por sí sola mide la distancia entre las mejores y las peores prácticas de diseño actuales.

Solo diez de esos 707 pasaron a una validación individual completa, y ahí el filtro se volvió aún más severo. Siete de los diez superaron a las células T sin modificar en proliferación y en producción de citoquinas (las señales químicas que indican que un linfocito T se ha activado), y tres de ellos —identificados como 1506, 5300 y 5981— igualaron o incluso superaron al anticuerpo de referencia en esa métrica. Pero del conjunto de los diez, solo cuatro consiguieron además matar células tumorales de forma específica por encima del ruido de fondo, una función que no siempre coincidió con los mejores productores de citoquinas. Medido mediante resonancia de plasmón superficial sobre los binders aislados, apenas tres de los diez mostraron unión apreciable a su diana, y el mejor lo hizo con una afinidad cientos de veces más débil que el anticuerpo natural; varios diseños que sí funcionaron dentro de la célula no mostraron ninguna unión medible por separado, lo que sugiere que operan por mecanismos de avidez que solo emergen dentro del receptor completo.

El hallazgo más incómodo del estudio, sin embargo, no es la baja tasa de éxito —esperable en una tecnología tan joven—, sino la incapacidad de las propias métricas de confianza de la IA para anticiparlo. Puntuaciones como ipTM o pLDDT (los indicadores con los que estos modelos estiman la fiabilidad de su propia predicción estructural) apenas se correlacionaron con el éxito funcional real, y en varios equipos la correlación fue directamente negativa. Lo que sí predijo el fracaso con una precisión notable —0,91 sobre 1 en el análisis estadístico de los autores— fue una estadística de secuencia mucho más simple: el exceso de hélices alfa cargadas de lisina y glutamato, un patrón que, según el equipo, interfiere con la maquinaria de traducción de la célula y la proteína nunca llega a fabricarse. Dicho de otro modo: el ordenador sabía diseñar bien sobre el papel, pero no sabía si la célula sería capaz de construirlo.

Como contexto del sector, el reparto de herramientas usado por los 28 equipos retrata con precisión el estado actual del diseño de proteínas por IA: modelos de difusión generativa como RFdiffusion, que genera nuevas formas de proteína a partir de ruido aleatorio (empleado por 18 equipos), programas como ProteinMPNN para decidir qué aminoácidos concretos sostienen esa forma, y AlphaFold2 para comprobar que el diseño final se pliega como se espera. Un detalle revelador: el único equipo que, además, verificó cómo se plegaba su diseño dentro del receptor CAR completo —y no solo como molécula aislada, un paso computacionalmente trivial— fue el que obtuvo el binder con mejor rendimiento de todo el concurso. La buena noticia es que todo el proceso, con los más de 400 parámetros de secuencia analizados, se ha publicado en abierto, en Zenodo y GitHub, un nivel de transparencia sobre los propios fracasos poco habitual en biotecnología.

Nuestra lectura es que este estudio vale más por lo que desmonta que por lo que logra. En Zendoric llevamos tiempo defendiendo que hay que medir la capacidad real de la IA en vez de fiarse de su relato, y aquí aparece el mismo principio aplicado a la biología: una puntuación de confianza vistosa en una pantalla no equivale a una proteína que funcione dentro de una célula viva, igual que un benchmark saturado no equivale a un modelo de lenguaje realmente seguro. La diferencia es que aquí equivocarse de métrica no cuesta una ronda de financiación fallida, sino años de trabajo en un candidato a fármaco que nunca iba a funcionar.

A corto plazo el mensaje es de cautela: ningún diseño de este concurso está cerca de un ensayo clínico, la tasa de acierto real ronda el 0,03% del total probado, y hace falta validar en otros donantes, otras dianas y otros andamios de receptor antes de que un binder generado por IA llegue a un paciente. Pero a largo plazo, el experimento señala exactamente la dirección que nos parece inevitable: un diseño racional de terapias contra el cáncer que hoy tarda años y cuesta fortunas, y que con conjuntos de datos como este —grandes, abiertos y honestos sobre sus propios fracasos— puede empezar a comprimirse en meses. La promesa de una IA capaz de ayudar a erradicar enfermedades no se cumplirá con un único modelo que lo resuelva todo de golpe, sino con este tipo de trabajo metódico: miles de intentos, un puñado de aciertos, y una lección reutilizable sobre qué evitar la próxima vez.