El avance podría propiciar nuevas vacunas más seguras y estables
Un ordenador cuántico simula la molécula de ARN mensajero más larga
Un ordenador cuántico ha logrado predecir estructuras de ARN mensajero que la IA no puede modelar. / Crédito: Peggy_Marco en Pixabay.
Redacción T21
14 AGO 2025
En un hito clave que redefine los límites de la bioinformática y vuelve a destacar el potencial de la computación cuántica, investigadores de las empresas IBM y Moderna anunciaron la simulación exitosa de la estructura secundaria de una secuencia de ARN mensajero de 60 nucleótidos, la más extensa modelada en un ordenador cuántico hasta el momento.
El ARNm (ácido ribonucleico mensajero) transporta la información genética del ADN hacia los ribosomas, donde maneja la síntesis de proteínas. Comprender su plegamiento exacto resulta crucial para optimizar el diseño de vacunas y terapias basadas en esta molécula: ha sido vital, por ejemplo, en el desarrollo de las vacunas contra el COVID-19.
Predecir la forma tridimensional del ARN mensajero es un reto único: cada nuevo nucleótido multiplica exponencialmente el número de posibles configuraciones de pliegues y enlaces internos. Los métodos tradicionales, fundamentados en superordenadores clásicos y modelos de Inteligencia Artificial (IA) como AlphaFold, afrontan limitaciones al no incluir un grupo de estructuras complejas llamadas pseudo-nódulos.
Según informa la web ucraniana ITC.ua, los pseudo-nódulos son curvas y giros en la cadena de ARNm que generan interacciones internas más intrincadas que los pliegues convencionales. Al excluir estos elementos, los algoritmos clásicos sacrifican precisión, dejando "zonas grises" o indefiniciones en las predicciones de conformación molecular, de acuerdo al estudio publicado en arXiv.
Un algoritmo cuántico optimizado
Con el propósito de superar ese vacío, los equipos de IBM y Moderna recurrieron a la computación cuántica. En 2024 llevaron a cabo experimentos en el procesador cuántico R2 Heron, utilizando 80 de sus 156 cúbits disponibles. Ese hardware permite explorar un espacio de soluciones mucho más amplio, gracias a la superposición y el entrelazamiento cuántico.
El enfoque se basó en un algoritmo cuántico variacional optimizado: en principio desarrollado para evaluar riesgos financieros extremos, este método evalúa las configuraciones de mínimo costo energético, estándares para predecir el estado más estable de la molécula.
Con esta técnica, el equipo logró simular la estructura secundaria completa de un ARNm de 60 nucleótidos. Hasta entonces, el récord cuántico se situaba en 42 nucleótidos, un avance notable pero aún insuficiente para muchas aplicaciones biomédicas.
Sin embargo, los investigadores destacaron que el éxito de la simulación permite incorporar pseudo-nódulos en la modelación, abriendo la puerta a predicciones más fieles de la realidad molecular. Al mismo tiempo, esto puede mejorar la eficacia de las vacunas basadas en ARN mensajero, al anticipar mejor cómo se comportarán dentro de las células.
Vacunas de próxima generación
Los científicos de IBM destacaron que la computación cuántica no reemplaza a la IA clásica, sino que la complementa, como indica Quantum Zeitgeist. Al aplicar algoritmos cuánticos a problemas biológicos, se puede ampliar el horizonte de lo posible en biología computacional o bioinformática.
Vale destacar además que el logro es un paso clave para diseñar vacunas de próxima generación. Moderna confía en que la mayor exactitud en la predicción de estructuras moleculares agilizará el desarrollo de formulaciones más seguras y estables.
Aunque el avance es claro, los especialistas subrayan que queda un largo camino por recorrer. Escalar estas simulaciones para secuencias de cientos o miles de nucleótidos exigirá avances tanto en capacidad de cúbits como en corrección de errores cuánticos.
El experimento demuestra que la computación cuántica puede abordar problemas de plegamiento de ARNm que hoy resultan inabordables para la IA y los superordenadores tradicionales. La combinación de ambos paradigmas promete acelerar descubrimientos en biología estructural, farmacología y medicina personalizada.
____________
Referencia
Towards secondary structure prediction of longer mRNA sequences using a quantum-centric optimization scheme. Vaibhaw Kumar et al. arXiv (2025). DOI:https://www.doi.org/10.48550/arXiv.2505.05782
_______
Fuente:
