{"id":152135,"date":"2026-05-04T11:08:29","date_gmt":"2026-05-04T09:08:29","guid":{"rendered":"https:\/\/diaridigital.urv.cat\/?p=152135"},"modified":"2026-05-04T13:00:22","modified_gmt":"2026-05-04T11:00:22","slug":"desarrollan-una-nueva-inteligencia-artificial-que-genera-millones-de-moleculas-nuevas","status":"publish","type":"post","link":"https:\/\/diaridigital.urv.cat\/es\/desarrollan-una-nueva-inteligencia-artificial-que-genera-millones-de-moleculas-nuevas\/","title":{"rendered":"Desarrollan una inteligencia artificial que genera millones de mol\u00e9culas nuevas"},"content":{"rendered":"

La b\u00fasqueda de nuevas mol\u00e9culas es uno de los grandes retos de la qu\u00edmica moderna. Desde el desarrollo de f\u00e1rmacos hasta la creaci\u00f3n de materiales m\u00e1s sostenibles, todo se enfoca en encontrar combinaciones de \u00e1tomos con propiedades \u00fatiles. Un equipo investigador de la Universitat Rovira i Virgili (URV) ha desarrollado una herramienta de inteligencia artificial capaz de generar millones de mol\u00e9culas nuevas que, aunque no se conocen todav\u00eda, cumplen las leyes de la qu\u00edmica y, por tanto, podr\u00edan ser reales. Los resultados de la investigaci\u00f3n se han publicado en la revista Nature Machine Intelligence<\/em>.<\/p>\n

El sistema, llamado CoCoGraph, funciona de manera similar a las herramientas de inteligencia artificial generativa de texto o de im\u00e1genes, como ChatGPT o DALL\u00b7E. \u201cEstos modelos crean contenido nuevo que se parece mucho al real. Nuestro algoritmo hace lo mismo, pero con mol\u00e9culas\u201d, explica Roger Guimer\u00e0, profesor de investigaci\u00f3n ICREA del Departamento de Ingenier\u00eda Qu\u00edmica de la URV.<\/p>\n

A diferencia de otras aplicaciones de IA, sin embargo, el modelo todav\u00eda no responde a instrucciones concretas. Por ahora, tiene un objetivo m\u00e1s b\u00e1sico: generar mol\u00e9culas plausibles, es decir, estructuras que cumplan las reglas de la qu\u00edmica.<\/p>\n

Ahora bien, el reto es enorme. Si se da al sistema una misma f\u00f3rmula molecular \u2014por ejemplo, la del paracetamol\u2014 se puede construir una cantidad ingente de combinaciones de \u00e1tomos. Sin embargo, solo una peque\u00f1a fracci\u00f3n de estas combinaciones es viable en la realidad.<\/p>\n

\u201cEl espacio de mol\u00e9culas posibles es inmenso. Se estima que podr\u00eda haber hasta 10\u2076\u2070 mol\u00e9culas diferentes, que son muchas m\u00e1s que mol\u00e9culas de agua en el oc\u00e9ano\u201d, explica Guimer\u00e0. Sin embargo, las mol\u00e9culas conocidas solo representan una parte \u00ednfima. Esto hace que encontrar nuevas mol\u00e9culas \u00fatiles sea como buscar una aguja en un pajar gigantesco.<\/p>\n

\"Roger<\/a>
Roger Guimer\u00e0, Manuel Ruiz-Botella y Marta Sales-Pardo, investigadores del Departamento de Ingenier\u00eda Qu\u00edmica de la URV, han participado en la investigaci\u00f3n.<\/figcaption><\/figure>\n
\n
\n
\n
\n

C\u00f3mo funciona el modelo<\/strong><\/p>\n

Para generar estas nuevas mol\u00e9culas, CoCoGraph utiliza una t\u00e9cnica llamada modelo de difusi\u00f3n, habitual en la generaci\u00f3n de im\u00e1genes. El proceso consiste en \u201cdesordenar\u201d progresivamente una mol\u00e9cula real y entrenar el sistema para que aprenda a reconstruirla.<\/p>\n

\u201cPartimos de una mol\u00e9cula real, rompemos los enlaces y creamos otros nuevos de manera aleatoria. El modelo aprende a revertir este proceso y a reconstruir estructuras coherentes\u201d, comenta Marta Sales-Pardo, investigadora del Departamento de Ingenier\u00eda Qu\u00edmica que tambi\u00e9n ha participado en la investigaci\u00f3n.<\/p>\n

A diferencia de las im\u00e1genes, las mol\u00e9culas son estructuras discretas (grafos), lo que hace el problema mucho m\u00e1s complejo desde el punto de vista matem\u00e1tico.<\/p>\n

Mol\u00e9culas siempre v\u00e1lidas<\/strong><\/h5>\n

Una de las principales innovaciones del modelo es que incorpora directamente las reglas b\u00e1sicas de la qu\u00edmica. Por ejemplo, cada \u00e1tomo mantiene siempre el n\u00famero correcto de enlaces, y esto garantiza que el 100% de las mol\u00e9culas generadas sean qu\u00edmicamente v\u00e1lidas, a diferencia de otros modelos que pueden producir estructuras imposibles.<\/p>\n

Adem\u00e1s, el sistema es m\u00e1s eficiente: utiliza menos par\u00e1metros, necesita menos potencia de c\u00e1lculo y puede generar mol\u00e9culas m\u00e1s r\u00e1pidamente.<\/p>\n

El equipo investigador ha comparado CoCoGraph con otros modelos de \u00faltima generaci\u00f3n y ha analizado hasta 36 propiedades fisicoqu\u00edmicas de las mol\u00e9culas generadas, como la solubilidad o la complejidad estructural. El resultado es que las mol\u00e9culas generadas son qu\u00edmicamente m\u00e1s realistas que en otros modelos en aproximadamente dos terceras partes de estas propiedades.<\/p>\n

Comprobaci\u00f3n entre la comunidad cient\u00edfica<\/strong><\/h5>\n

Para comprobar hasta qu\u00e9 punto estas mol\u00e9culas son plausibles, el equipo realiz\u00f3 un experimento con 121 expertos en qu\u00edmica de la misma universidad. A cada participante se le mostraban veinte pares de mol\u00e9culas \u2014una real y otra generada por la nueva IA\u2014 y deb\u00eda identificar cu\u00e1l era la real.<\/p>\n

Los resultados mostraron que los expertos se equivocan en aproximadamente 4 de cada 10 casos, es decir, a menudo confunden las mol\u00e9culas generadas con las reales. \u201cEsto significa que muchas de las mol\u00e9culas que generamos son muy convincentes\u201d, explica Sales.<\/p>\n

Aunque el modelo todav\u00eda no permite dise\u00f1ar mol\u00e9culas con una funci\u00f3n concreta, ya se han hecho pruebas prometedoras. Por ejemplo, se han identificado mol\u00e9culas con propiedades similares al paracetamol dentro de los millones de mol\u00e9culas generadas. Tambi\u00e9n han explorado t\u00e9cnicas para modificar parcialmente una mol\u00e9cula existente \u2014una especie de \u201cretoque\u201d qu\u00edmico\u2014 para crear nuevas variantes con caracter\u00edsticas parecidas.<\/p>\n

Estas aproximaciones podr\u00edan ser \u00fatiles en el futuro para optimizar f\u00e1rmacos o desarrollar nuevos materiales.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n