El laboratorio del Nobel David Baker publica en Science un modelo que diseña proteínas átomo a átomo. Código abierto y diez veces más rápido.
 |
| RFdiffusion3 baja el diseño de proteínas del aminoácido al átomo individual y es diez veces más rápido que la versión anterior. Se entrenó con 16 tarjetas gráficas en una semana. | Infografía: La Crónica del Henares, con datos de Science (2026). |
Alcalá de Henares, 19 de octubre de 2026
Un programa de inteligencia artificial coloca ahora los átomos de una proteína uno a uno, como quien monta una cerradura antes de fabricar la llave. Se llama RFdiffusion3 y lo firma el laboratorio del Nobel David Baker. Su trabajo acaba de aparecer en la revista Science.
De la predicción al diseño
- AlphaFold adivina cómo se pliega una proteína que ya existe. RFdiffusion inventa proteínas que no existen.
- El salto de esta tercera versión es la escala: baja del aminoácido al átomo individual.
- El código es abierto y gratuito, y está en GitHub desde diciembre de 2025.
Una proteína es una cadena de aminoácidos plegada sobre sí misma. Hasta ahora, los programas de diseño trabajaban con esa pieza como unidad mínima: pon aquí una lisina, allí una serina, y que el pliegue salga como pueda. El problema aparece cuando lo que hay que construir es el centro activo de una enzima, el hueco diminuto donde ocurre la reacción química. Ahí no basta con acertar el aminoácido: importa dónde cae cada átomo y qué enlaces de hidrógeno se forman.
RFdiffusion3 se entrenó con estructuras de proteínas completas —esqueletos, cadenas laterales y también ácidos nucleicos— y permite fijar de antemano la posición de átomos concretos. El equipo lo describe en Science bajo el título Atomic functional site scaffolding in biopolymers with RFdiffusion3.
Quién lo firma, y por qué se confunde con AlphaFold
El primer firmante es Jasper Butcher, y los autores de correspondencia son Rohith Krishna, investigador posdoctoral, y David Baker, director del Institute for Protein Design de la Universidad de Washington (Seattle, Estados Unidos) e investigador del Instituto Médico Howard Hughes.
Conviene deshacer un equívoco que circula con frecuencia. RFdiffusion no procede del equipo de AlphaFold. AlphaFold es obra de Google DeepMind, donde trabajan Demis Hassabis y John Jumper. Lo que comparten unos y otros es el Premio Nobel de Química de 2024: una mitad fue para Baker por el diseño computacional de proteínas y la otra, para Hassabis y Jumper por la predicción de estructuras. Dos laboratorios distintos, dos problemas distintos y un mismo galardón.
El grupo de Baker llevaba décadas en esto. Su programa Rosetta, que modelaba proteínas a partir de principios físicos, es anterior a AlphaFold; de ahí salieron después RoseTTAFold y, al cruzarlo con las redes de difusión —la misma técnica que está detrás de los generadores de imágenes—, la familia RFdiffusion que ahora llega a su tercera entrega.
Diez veces más rápido, y escrito desde cero
Según el Institute for Protein Design, el modelo funciona diez veces más rápido que RFdiffusion2, pese a manejar muchos más elementos. Y no hereda ni una línea de código de sus dos antecesores: está reconstruido sobre arquitecturas de tipo transformer.
El esfuerzo de cálculo que hay detrás es modesto para los estándares actuales de la IA. El material suplementario del artículo detalla que el entrenamiento se hizo con 16 tarjetas gráficas NVIDIA H200 durante unos siete días. Para comparar: los grandes modelos de lenguaje comerciales se entrenan con decenas de miles de procesadores durante meses.
En las pruebas comparativas, el IPD sostiene que RFD3 igualó o superó a las herramientas anteriores en las cuatro tareas que reúne: unión entre proteínas, unión a ADN, unión a moléculas pequeñas y diseño de enzimas. La intención era precisamente esa, explicó Krishna: «no queríamos tener modelos a medida para cada aplicación».
Qué se ha comprobado en el laboratorio y qué no
Aquí hay que afinar, porque los trabajos del laboratorio salieron casi a la vez y se mezclan con facilidad. La validación experimental que el IPD atribuye a RFdiffusion3 es el diseño de proteínas que reconocen secuencias concretas de ADN, presentado como prueba de concepto.
Las enzimas ensayadas en tubo de ensayo que se han difundido estos meses —un conjunto de metalohidrolasas publicado en Nature, del que cinco de 96 candidatas mostraron actividad eficaz— se diseñaron con RFdiffusion2, la versión anterior, no con la que ahora publica Science.
El modelo tiene además un límite reconocido: rinde peor con biomoléculas que no estaban en su entrenamiento, como los aminoácidos no canónicos, esos que no figuran entre los veinte habituales de los seres vivos.
Para qué serviría
Los usos que plantea el propio instituto son tres y están todos a medio camino: enzimas capaces de degradar microplásticos, factores de transcripción sintéticos para terapia génica y biosensores para vigilancia ambiental. Ninguno es todavía un producto.
La decisión de liberar el código tiene su propia intención. Baker la resumió al presentarlo: «cuando investigadores desde São Paulo hasta Nairobi puedan descargar el mismo código que usamos nosotros». El programa se distribuye a través de GitHub, dentro de la red Rosetta Commons. La financiación procede, entre otros, de The Audacious Project, Microsoft, el Instituto Médico Howard Hughes, Open Philanthropy y los Institutos Nacionales de Salud estadounidenses.
Dos caminos opuestos en el mismo campo
El contraste con el otro lado del Nobel se ha vuelto nítido en los últimos meses. Mientras el laboratorio de Baker publica su modelo para que lo descargue cualquiera, Isomorphic Labs —la filial de Google DeepMind dedicada a los fármacos— presentó en febrero su motor IsoDDE, al que algunos llaman «AlphaFold 4», como sistema propietario y cerrado. La misma disciplina avanza por dos vías: una universidad que reparte sus herramientas y una empresa que las reserva.
La prueba llega cuando alguien de fuera lo use
El siguiente hito verificable no lo marca el laboratorio de Baker, sino los demás: las primeras proteínas diseñadas con RFD3 por grupos ajenos al IPD y validadas en el banco de trabajo. Con el código publicado desde diciembre de 2025, esos resultados deberían empezar a aparecer a lo largo de 2027.
Lo que queda por saber
- ¿Qué enzimas se han ensayado en laboratorio con RFdiffusion3, y no con la versión anterior? El material difundido por el Institute for Protein Design describe la validación experimental con ADN, y atribuye las metalohidrolasas a RFdiffusion2. Corresponde al equipo precisar el reparto.
- ¿Qué proporción de los diseños funciona al llevarlos al tubo de ensayo? Es la cifra que decide la utilidad práctica de la herramienta. La referencia conocida, cinco de 96, corresponde al modelo anterior.
- ¿Qué controles acompañan a la liberación del código? Una herramienta que diseña proteínas a demanda y se descarga sin restricciones plantea preguntas de bioseguridad que corresponde abordar al instituto y a las agencias que lo financian.
- ¿Hay grupos españoles usando ya estas herramientas? Pregunta para el CSIC y los centros universitarios con líneas de biología estructural y biología sintética.
Más en La Crónica del Henares: Inteligencia artificial · Ciencia · Tecnología · Salud
Fuentes consultadas
- Butcher, J. et al., Atomic functional site scaffolding in biopolymers with RFdiffusion3, Science. DOI 10.1126/science.aeh2982. Material suplementario (109 páginas), consultado directamente.
- Institute for Protein Design, Universidad de Washington: RFdiffusion3 now available (3 de diciembre de 2025). ipd.uw.edu
- Lin, F.: RFdiffusion3 Now Open Source, Designs DNA Binders and Advanced Enzymes, Genetic Engineering & Biotechnology News (3 de diciembre de 2025). genengnews.com
- GeekWire: UW Nobel winner's lab releases most powerful protein design tool yet (3 de diciembre de 2025). geekwire.com
- Real Academia Sueca de Ciencias: fallo del Premio Nobel de Química de 2024 (9 de octubre de 2024).
- Hemeroteca propia de La Crónica del Henares: El Nobel de Química es para los desarrolladores de AlphaFold AI (9 de octubre de 2024); AlphaFold cumple cinco años (27 de noviembre de 2025); El amanecer de una nueva era médica: «AlphaFold 4» (19 de febrero de 2026); AlphaFold revoluciona la biotecnología (17 de marzo de 2026).
