Un experimento de Anthropic y Citrini Research obtuvo proteínas capaces de unirse a toxinas de escorpión en pruebas de laboratorio. Su capacidad para neutralizarlas y convertirse en un tratamiento sigue sin demostrarse.
Un resultado que exige distinguir entre descubrimiento y tratamiento
¿Puede una inteligencia artificial ayudar a crear un nuevo antiveneno? Anthropic y la firma de análisis financiero Citrini Research exploraron esa pregunta en un trabajo publicado el 20 de octubre de 2026.
Utilizaron un modelo interno de investigación de Claude, conectado a herramientas especializadas, para diseñar pequeñas proteínas capaces de unirse a neurotoxinas de escorpión.
El resultado fue más allá de una propuesta escrita: hubo diseños fabricados y evaluados en laboratorios. Sin embargo, todavía no se había demostrado que bloquearan la actividad de las toxinas.
Qué consiguió el experimento
Según Anthropic, la campaña computacional duró 64 horas y generó 318.484 diseños. Tras la selección inicial y las incorporaciones del equipo, 211 candidatos pasaron a pruebas experimentales realizadas por Adaptyv Bio y Twist Bioscience.
Diecisiete cumplieron los criterios de unión establecidos por los investigadores. En conjunto, cubrieron cuatro de las cinco toxinas estudiadas, pero ninguno cumplió los criterios para unirse a más de una.
Estos resultados aportan puntos de partida para investigar. No constituyen un antiveneno ni demuestran protección en pacientes.
Unirse a una toxina no significa neutralizarla
La diferencia es fundamental. Una molécula puede adherirse a una toxina sin impedir que esta siga causando daño.
Podemos imaginar una pieza que encaja sobre una máquina: comprobar que se sujeta no demuestra que consiga detener su mecanismo.
El texto original confundía una pregunta todavía abierta con un resultado negativo. No haber probado la neutralización no permite afirmar que las proteínas sean incapaces de lograrla.
El laboratorio ya formaba parte del trabajo
Citrini plantea como siguiente paso comprobar si sus candidatos pueden frenar la actividad de las toxinas. Después seguirían evaluaciones de protección, dosis, permanencia en el organismo y posibles efectos adversos.
También quedarían por resolver la estabilidad del producto y la fabricación de lotes consistentes antes de plantear ensayos en personas.
Por eso, el experimento no enfrenta una teoría digital con una biología que la rechaza. Describe una investigación que ha superado una primera comprobación experimental y todavía tiene muchas preguntas pendientes.
Qué nos dice sobre la velocidad de la investigación
Las 64 horas corresponden a la fase computacional, no al desarrollo completo de un medicamento. Presentarlas como el tiempo necesario para crear un tratamiento mezclaría etapas muy diferentes.
Tampoco puede deducirse de este caso que todos los futuros fármacos llegarán antes o costarán menos. Para sostener esas conclusiones hacen falta comparaciones y resultados que vayan más allá de la selección de candidatos.
La oportunidad está en investigar si una generación más rápida de hipótesis permite realizar mejores experimentos y aprender antes de sus resultados.
La lectura de SombraRadio
Este caso merece atención precisamente porque ofrece un resultado intermedio: hay moléculas con una propiedad comprobada, pero todavía no hay un tratamiento.
Convertirlo en una derrota de la IA borra lo conseguido. Presentarlo como la invención de un antiveneno borra lo que falta.
La pregunta decisiva será qué ocurre en las siguientes pruebas. Ahí se verá si estos candidatos pueden avanzar desde una interacción molecular interesante hacia una utilidad terapéutica real.
Fuentes consultadas
- Anthropic: diseño y evaluación de proteínas dirigidas a neurotoxinas de escorpión
- Citrini Research: relato del experimento y siguientes pasos propuestos
Sombra Radio · Apoyo de lectores
Ayuda a mantener viva Sombra Radio
Tu aportación voluntaria nos ayuda a seguir publicando sobre IA. Puedes apoyarnos desde 1 € al mes.
