IA y diseño de proteínas: qué anunció Anthropic (y qué se rompió en DeepMind)

El 18 de agosto de 2026, Anthropic publicó los resultados de una campaña de diseño de proteínas dirigida casi por completo por sus propios modelos: Claude diseñó binders funcionales contra 14 de 15 dianas probadas, con tasas de acierto de entre el 22% y el 35%, frente al 10-15% que la compañía describe como típico del campo¹. Once días antes, a menos de dos horas de distancia en el calendario de noticias tech, se supo que Google DeepMind había desmantelado el equipo que ganó el Nobel de Química 2024 por AlphaFold — y que parte de ese equipo ya trabaja en Anthropic⁸. Ninguna de las dos noticias se entiende bien sin la otra.

Qué anunció Anthropic, sin el spin

A los modelos —Claude Opus 4.8 y un preview interno llamado Mythos Preview— se les dio un prompt de diseño de unas 30.000 palabras, acceso a internet, una biblioteca de papers de diseño de proteínas y cómputo en GPU, sin límite de tokens ni de sub-agentes que pudieran lanzar. La intervención humana se limitó a aprobar peticiones de red, mantener la infraestructura y pedir la síntesis de ADN². De 1.320 diseños generados contra 15 dianas seleccionadas, 354 resultaron ser binders que de verdad se unen a su objetivo. Las tasas de acierto: 22,6% para Opus 4.8 en modo multi-target, 26,7% para Mythos Preview en el mismo modo, y hasta un 35,1% cuando Mythos Preview trabajaba una sola diana a la vez³. Contra RBX1, una diana especialmente difícil, Mythos Preview llegó al 40% de acierto — frente al 3,7% que consiguieron los 245 participantes humanos de una competición previa organizada por la propia Adaptyv Bio³.

El coste no fue trivial: hasta 12.500 horas de GPU NVIDIA H100 en el modo multi-target, 2.500 horas por diana en modo individual². La validación —fabricar de verdad las proteínas diseñadas y medir si se unen— la hicieron dos empresas externas contratadas para la ocasión, Adaptyv Bio y Twist Bioscience, lo que le da al resultado más credibilidad que un simple comunicado de prensa.

Una corrección que conviene tener clara desde ya: no fueron 15 de 15 dianas, como circuló en algún resumen apresurado. Un target (MBP) no dio ningún binder, y otro se excluyó del recuento por problemas de calidad en la medición. La cifra correcta es 14 de 15.

El equipo del Nobel se disolvió justo antes

El 29 de julio de 2026, Google DeepMind confirmó que había desmantelado el equipo dedicado a AlphaFold — el mismo trabajo por el que Demis Hassabis y John Jumper ganaron el Nobel de Química 2024. Jumper se fue a Anthropic en junio, antes incluso del anuncio, seguido de otros dos investigadores clave de AlphaFold, Jonas Adler y Alexander Pritzel. Una persona de DeepMind describió esas salidas como de miembros "instrumentales, importantes, centrales", que "generaron sorpresa interna"⁸. El resto del equipo se reasignó a proyectos de Gemini, diseño de enzimas, fusión nuclear y genómica, o pasó a Isomorphic Labs, la spin-off de Alphabet centrada en fármacos. El propio Hassabis dio un paso al costado como CEO de DeepMind: ahora es chairman de la unidad y chief scientist de Alphabet, mientras sigue liderando Isomorphic Labs. Fortune reporta que detrás hubo moral baja, fuga de talento y retrasos en modelos⁹.

Isomorphic Labs, mientras tanto, no se ha quedado quieta: en febrero de 2026 presentó un motor de diseño de fármacos (IsoDDE) que va más allá de AlphaFold y predice sitios de unión "ocultos" en proteínas. Un computacional de Columbia lo calificó como "un AlphaFold 4"¹⁰. Y a diferencia de Claude, Isomorphic ya tiene fármacos diseñados con IA en ensayos clínicos en humanos — varios pasos por delante del estadio de "binder" en el que está el resultado de Anthropic.

CASP: las "olimpiadas" que este anuncio no ha pasado

En el campo del diseño de proteínas hay un estándar neutral desde 1994: CASP (Critical Assessment of protein Structure Prediction), una competición bienal apodada informalmente las olimpiadas del plegamiento de proteínas. Los organizadores esconden la estructura real de proteínas recién descubiertas y los equipos participantes —académicos y empresas— intentan predecirla a ciegas; luego se comparan resultados. Fue en CASP14 (2020) donde AlphaFold arrasó tan por delante del resto que Science tituló su cobertura "el juego ha cambiado"¹³ — el origen directo del Nobel de Hassabis y Jumper. En CASP16 (resultados publicados en 2025), la predicción de plegado de dominio único ya se considera prácticamente resuelta: cero fallos en esa categoría, con AlphaFold3 superando a su predecesor¹².

El anuncio de Claude no pasó por ese filtro. Es un benchmark propio de Anthropic, diseñado por Anthropic, sobre dianas elegidas por Anthropic, y validado por dos laboratorios comerciales contratados para la ocasión — no por el comité independiente de CASP. The Decoder, en el análisis más crítico que ha salido del anuncio, añade más matices: no hubo grupo de control humano corriendo la misma campaña en paralelo, cada combinación modelo-diana se ejecutó una sola vez (lo que impide separar "el modelo es mejor" de "tuvo suerte"), solo se midió afinidad de unión y no forma espacial ni efecto biológico real, y buena parte de la "pericia" de Claude en realidad vive en un system prompt de unas 16.000 palabras escrito por personas⁵.

A qué podría aplicarse esto (con matices)

Siete de las 15 dianas del propio estudio son relevantes en oncología: PD-L1, EGFR, VEGF-A, TrkA, IL-7Rα, RBX1 y 15-PGDH¹⁵ — pero solo se midió afinidad por resonancia de plasmón superficial, no bloqueo real de receptor, competencia de epítopo frente a biológicos ya aprobados, inmunogenicidad ni comportamiento en un organismo vivo. Opus 4.8 también diseñó binders funcionales contra TNFα humano, de mono y de ratón a la vez², útil para estudios preclínicos de toxicología antes de pasar a humanos. Hay precedente real de que esta categoría de tecnología llega a producto: SKYCovione, la primera vacuna proteica diseñada por computador ya aprobada, viene de la misma familia de técnicas (aunque de otro equipo, el laboratorio de David Baker)¹⁴. Lo mismo con enzimas que degradan plástico y PFAS: se están probando ya con IA de diseño de proteínas, pero por otros grupos de investigación, sin conexión directa con este anuncio de Claude — conviene no mezclar ambas cosas como si fueran el mismo logro.

El análisis más pragmático viene de Forbes: el cuello de botella real ya no es diseñar computacionalmente (barato, casi gratis), sino sintetizar y validar en laboratorio (caro y con capacidad limitada). Quien se beneficia directamente ahora mismo son Twist Bioscience y Adaptyv Bio, no necesariamente Anthropic — y el volumen de pedidos en esa capa, en los próximos trimestres, es un indicador más fiable de si esto escala de verdad que cualquier cifra de porcentaje de acierto⁶.

Por qué esto no es un fármaco todavía

Anthropic lo dice de forma explícita, sin ambigüedad: "protein binders are not drugs"⁴. Adaptyv Bio, el propio laboratorio que validó los resultados, describe el experimento como "de bucle abierto" (sin aprendizaje iterativo entre rondas) y calcula que quedan seis niveles de dificultad más en el camino hacia un fármaco real. Tampoco ha habido revisión por pares académica formal todavía. Martin Shkreli, exejecutivo farmacéutico, calificó el trabajo de "poco impresionante" en X, señalando que ninguno de los binders apunta a dianas intracelulares, donde un anticuerpo monoclonal convencional sería más adecuado que este enfoque⁷. Y hay una capa más, de bioseguridad: Anthropic mantiene esta capacidad bloqueada en su modelo más potente, con un programa de acceso vetado para científicos en vez de acceso general — en línea con un acuerdo que casi 200 investigadores del campo del diseño de proteínas firmaron reconociendo los riesgos de doble uso de la IA aplicada a biodiseño¹¹.

Qué vigilar a partir de ahora

Tres señales reales, no vibes: el volumen de pedidos de síntesis en Twist Bioscience y Adaptyv Bio en los próximos trimestres, como termómetro de si esto escala más allá de un piloto de 15 dianas. Los resultados de CASP17, previstos para más adelante en 2026, que someterían por fin este tipo de enfoque al filtro neutral que el anuncio de Anthropic todavía no ha pasado. Y el avance de los ensayos clínicos de Isomorphic Labs — la apuesta de Hassabis, ya varios pasos por delante en el camino hacia un fármaco de verdad, mientras Claude sigue en la fase de "binder que funciona en una placa de laboratorio".