Llevando herramientas de diseño de proteínas impulsadas por IA a biólogos en todas partes

OpenProtein.AI, fundada por Tristan Bepler PhD ’20 y el exprofesor del MIT Tim Lu PhD ’07, ofrece modelos de código abierto y herramientas para la ingeniería de proteínas a investigadores en empresas farmacéuticas y biotecnológicas de todos los tamaños, así como a científicos en el ámbito académico de forma gratuita.

La empresa proporciona una plataforma sin código que permite a los científicos acceder a modelos fundamentales potentes y herramientas para diseñar proteínas, predecir la estructura y función de proteínas, y entrenar modelos. Bepler destaca que estos modelos no solo hacen que la ingeniería de proteínas sea más eficiente, acortando los ciclos de desarrollo para terapias y usos industriales, sino que también mejoran la capacidad de diseñar nuevas proteínas con características específicas.

Bepler, quien llegó al MIT en 2014, se interesó en entender las proteínas a un nivel más detallado, reconociendo que la caracterización de biomoléculas y proteínas era insuficiente para crear modelos predictivos efectivos. Su trabajo condujo al desarrollo de uno de los primeros modelos de IA generativa para entender y diseñar proteínas, conocido como modelo de lenguaje de proteínas.

Tras obtener su doctorado en 2020, Bepler se unió al laboratorio de Lu en el Departamento de Ingeniería Biológica del MIT como postdoctorado. Lu señala que la idea de integrar IA con biología estaba comenzando a ganar impulso, y Bepler ayudó a construir mejores modelos computacionales para el diseño biológico. OpenProtein.AI surgió de la necesidad de ampliar el acceso a herramientas avanzadas para biólogos que no tienen conocimientos de programación.

La plataforma de OpenProtein.AI representa un avance significativo en la biología impulsada por IA, facilitando a los científicos la utilización de herramientas de vanguardia sin la necesidad de habilidades de codificación.
¿Cómo puede la accesibilidad de herramientas de IA transformar la investigación biológica y acelerar el desarrollo de nuevos tratamientos?
.

.

.

RESUMEN BASADO EN EL ARTÍCULO PUBLICADO EN MIT News EL 17 de abril de 2026. Leer original

https://news.mit.edu/2026/bringing-ai-driven-protein-design-tools-everywhere-0417