Google, Meta y Biohub invertirán más de 1.800 millones de dólares en una célula virtual con IA
Google, Meta y el Chan Zuckerberg Biohub han anunciado una inversión conjunta superior a 1.800 millones de dólares, unos 1.692 millones de euros, para desarrollar un sistema de inteligencia artificial capaz de simular el comportamiento de cualquier célula biológica.
El objetivo es construir la primera célula virtual completa: un modelo que permita reproducir digitalmente experimentos biológicos antes de realizarlos en un laboratorio. La tecnología podría transformar la investigación de fármacos, la oncología y el estudio del envejecimiento celular, aunque sus responsables todavía afrontan importantes retos científicos.
Una inversión público-privada para modelar la biología
La financiación combina recursos públicos, aportaciones filantrópicas y capital de grandes empresas tecnológicas. El Departamento de Energía de Estados Unidos ha comprometido más de 500 millones de dólares, mientras que los Institutos Nacionales de Salud ya habían destinado una cantidad similar a rondas anteriores de investigación básica.
La coalición privada, en la que participan Google DeepMind, Isomorphic Labs y Meta, aportará aproximadamente 300 millones de dólares. El propio Biohub, organización sin ánimo de lucro vinculada a Chan Zuckerberg Initiative, sumará otros 500 millones en infraestructura y coordinación científica.
La dirección técnica del proyecto correrá a cargo de Alex Rives, biólogo computacional de Meta y responsable de ESMFold. Este sistema utiliza inteligencia artificial para predecir la estructura tridimensional de las proteínas, una capacidad esencial para comprender cómo funcionan dentro de las células.
Qué es exactamente una célula virtual
Una célula virtual no es una animación en tres dimensiones ni una representación visual interactiva. Se trata de un modelo matemático y computacional entrenado con grandes cantidades de datos biológicos para predecir cómo responderá una célula ante distintos cambios.
Entre esas perturbaciones se encuentran la administración de un fármaco, una mutación genética, una alteración del entorno o la modificación de una señal celular. En teoría, el modelo podría anticipar el resultado de miles de experimentos sin necesidad de ejecutar cada uno de ellos en un laboratorio.
La inteligencia artificial ya ha logrado avances importantes en áreas concretas. AlphaFold, por ejemplo, permite predecir la estructura de muchas proteínas. Otros modelos analizan la regulación genómica, es decir, la forma en la que determinados fragmentos del ADN actúan como interruptores que activan o desactivan genes.
Sin embargo, estas herramientas son piezas separadas. El proyecto de Biohub pretende integrarlas en un único sistema capaz de relacionar distintos niveles de la actividad celular.
Del ADN al entorno de la célula
La arquitectura prevista debería combinar la regulación genómica, que determina qué genes se expresan; el proteoma, formado por todas las proteínas de una célula; y el metaboloma, que recoge las moléculas y reacciones químicas que intervienen en su funcionamiento.
También tendrá que incorporar las señales extracelulares. Las células no operan de forma aislada: reciben información de otras células, de los tejidos que las rodean y del entorno. Integrar todos esos datos es uno de los principales desafíos técnicos y científicos.
Si el sistema alcanza la precisión necesaria, un equipo de investigación podría probar virtualmente miles de variantes de un compuesto en una tarde. El propósito no sería sustituir por completo los ensayos de laboratorio, sino priorizar los experimentos con más probabilidades de éxito y reducir costes y tiempos.
La oncología, uno de los primeros campos de aplicación
La investigación contra el cáncer aparece como una de las aplicaciones más inmediatas. Los tumores son muy heterogéneos: una misma mutación puede provocar respuestas diferentes según el tejido afectado, las características del paciente o el resto de alteraciones presentes en la célula.
Una célula virtual capaz de reproducir esa diversidad podría ayudar a identificar tratamientos más personalizados antes de iniciar un ensayo clínico. También permitiría estudiar por qué algunos tumores desarrollan resistencia a determinados fármacos y qué combinaciones podrían evitarla.
Otro ámbito relevante es el envejecimiento celular. Los investigadores estudian, entre otros procesos, la senescencia y el papel de las vesículas extracelulares, estructuras que transportan señales entre células. Simular esas comunicaciones podría acelerar la búsqueda de estrategias para retrasar o modificar el deterioro celular.
Un año de embargo para validar los resultados
Uno de los aspectos más destacados del proyecto es el compromiso de mantener un embargo de doce meses sobre los datos generados por el modelo antes de publicar resultados externos. Durante ese periodo, varios institutos de investigación europeos y estadounidenses realizarán una validación interna.
La medida pretende reducir el riesgo de que predicciones incorrectas se difundan antes de pasar por una revisión científica independiente. En biología computacional, un resultado puede parecer prometedor y no reproducirse cuando se prueba con nuevos datos o en condiciones reales.
La decisión también refleja la distancia entre una predicción informática y una evidencia experimental. Aunque la inteligencia artificial pueda proponer una respuesta celular, los resultados deberán confirmarse mediante cultivos, modelos animales y, cuando proceda, ensayos clínicos.
Un salto mayor que la búsqueda de fármacos
El proyecto aspira a ir más allá de los sistemas actuales de búsqueda molecular. Estas herramientas pueden localizar con rapidez candidatos farmacológicos entre compuestos conocidos o estimar qué moléculas podrían encajar con una proteína concreta.
La célula virtual intenta dar un paso adicional: simular directamente la biología para diseñar y evaluar candidatos nuevos. La diferencia es considerable, porque obliga a reproducir interacciones complejas entre genes, proteínas, moléculas, señales y tipos celulares.
La financiación y el respaldo de empresas como Google y Meta proporcionan recursos sin precedentes, pero no garantizan el resultado. La biología celular acumula décadas de investigación y sigue siendo difícil de predecir incluso en sistemas relativamente simples.
Por ahora, la iniciativa debe entenderse como un ambicioso programa de investigación, no como una tecnología lista para sustituir al laboratorio. Su éxito dependerá de la calidad de los datos, la capacidad de validar las predicciones y la transparencia con la que se comuniquen sus límites.
