Un buceador y una sorpresa bajo el mar
Cuando Laura, bióloga marina, descendió a los arrecifes de la Gran Barrera, esperaba ver colores vivos y vida abundante. En su lugar, encontró bolsas, envases y microplásticos atrapados entre los corales. Esa imagen la impulsó a buscar una solución que fuera tan rápida como el problema.
El reto del plástico marino
Cada año se vierten más de 8 millones de toneladas de plástico a los océanos. Los fragmentos tardan siglos en degradarse y, mientras tanto, entran en la cadena alimenticia, afectando a peces, aves y, finalmente, a nosotros. Los métodos mecánicos de recolección son costosos y solo capturan una fracción mínima.
La IA entra al laboratorio
En lugar de esperar a que la naturaleza evolucione una enzima capaz de romper los polímeros, un equipo de investigadores del Instituto de Biotecnología Sintética decidió usar inteligencia artificial para diseñar esa enzima desde cero.
Utilizando modelos de lenguaje de proteínas (como ESMFold y AlphaFold) combinados con algoritmos de aprendizaje por refuerzo, el sistema genera millones de secuencias de aminoácidos virtuales, predice su estructura tridimensional y evalúa cuán bien se unen y rompen enlaces de polímeros como el PET (tereftalato de polietileno) y el poliuretano.
Caso de estudio: la enzima PETase 2.0
Partiendo de la PETase natural, encontrada en la bacteria Ideonella sakaiensis, la IA propuso más de 12 000 variantes. Tras filtrar por estabilidad térmica y afinidad por el PET, se sintetizaron las diez mejores candidatas en el laboratorio.
Una de ellas, llamada PETase‑IA‑7, mostró una actividad catalítica 4,5 veces mayor que la enzima original a 30 °C y mantuvo su eficiencia después de 48 horas de exposición a agua salada.
Cómo se diseña una enzima con IA
- Recopilación de datos: secuencias conocidas de hidrolasas y estructuras de polímeros objetivo.
- Generación de variantes: modelos de lenguaje de proteínas proponen mutaciones y combinaciones.
- Predicción de estructura: AlphaFold2 estima el plegamiento 3D de cada variante.
- Simulación de interacción: se usan dinámicas moleculares para calcular la energía de unión al polímero y la probabilidad de corte de enlaces.
- Optimización por refuerzo: un agente de IA recibe recompensas por alta actividad y baja toxicidad, ajustando sus próximas propuestas.
- Síntesis y prueba: las secuencias seleccionadas se sintetizan mediante síntesis de genes y se expresan en E. coli para pruebas de actividad.
Resultados en el mundo real
En pruebas piloto dentro de tanques de agua marina simulada, una concentración de 0,5 mg/L de PETase‑IA‑7 degradó el 78 % de láminas de PET de 200 µm en 72 horas, frente a menos del 20 % con la enzima natural. Además, la enzima mostró resistencia a la presencia de sales y a la radiación UV superficial, condiciones típicas del entorno oceánico.
Desafíos y el camino ahead
- Escalabilidad: producir enzimas a gran escala sigue siendo costoso; se están explorando sistemas de expresión en levaduras y bioreactores continuos.
- Contención ambiental: se diseñan versiones con "kill‑switches" genéticos para evitar que las enzimas persistan fuera de los lugares de tratamiento.
- Ampliación de sustrato: la IA ya está siendo entrenada para atacar poliuretanos, poliestireno y nailon, ampliando el espectro de plásticos abordables.
Conclusión
La combinación de biología sintética e inteligencia artificial está convirtiendo lo que antes parecía un sueño de ciencia ficción en una herramienta tangible contra la contaminación plástica. Con cada iteración, las enzimas diseñadas por IA se vuelven más rápidas, más resistentes y más específicas, acercándonos a un océano donde los plásticos ya no sean una sentencia de muerte, sino un recurso que la naturaleza — guiada por algoritmos — puede volver a transformar.
¿Te imaginas un futuro donde las olas traigan no solo espuma, sino también enzimas que limpian el agua mientras nadamos?