Cómo la inteligencia artificial está acelerando el rejuvenecimiento celular

OpenAI metió su modelo en un laboratorio de longevidad y salió con dos factores mejorados

Abres ChatGPT, le pides que te resuma un informe de doscientas páginas y lo tienes en diez segundos. Nada del otro mundo, ya. Pues la misma clase de modelo, entrenado con otra materia prima, acaba de hacer algo bastante menos cotidiano: rediseñar las proteínas que le dan marcha atrás al reloj de una célula. Y lo ha hecho mejor que la naturaleza.

La historia es de agosto de 2025 y lleva dos firmas: OpenAI y Retro Biosciences, la empresa de rejuvenecimiento en la que Sam Altman puso 180 millones de su bolsillo. Juntas presentaron GPT-4b micro, una versión reducida de su modelo entrenada no con textos de internet, sino con el lenguaje de las proteínas. El encargo era concreto: mejorar los factores Yamanaka, las cuatro proteínas que, descubiertas en 2006, devuelven una célula adulta a su estado joven.

El modelo se centró en dos de esos cuatro factores, SOX2 y KLF4, y devolvió versiones reescritas —bautizadas RetroSOX y RetroKLF— que en placa multiplicaron por más de 50 la expresión de los marcadores de reprogramación frente a las proteínas originales. Y el dato de fondo es gordo, en células de donantes de más de 50 años, más del 85% activó los marcadores clave de célula madre al duodécimo día, con menos roturas en el ADN de propina. «Cuando los investigadores aportan su conocimiento a nuestras herramientas de lenguaje, problemas que llevaban años se resuelven en días», lo resumió Boris Power, de OpenAI. Eso sí, esto pasa en una placa, no en una persona todavía; la dirección, en cambio, cuesta discutirla.

Antes de rediseñar la vida, la IA tuvo que aprender a leerla

Que un modelo proponga un SOX2 mejor no sale de la nada, la inteligencia artificial llevaba años aprendiendo a leer proteínas. El salto lo dio AlphaFold, el sistema de DeepMind que adivina la forma tridimensional de una proteína a partir de su secuencia, ese acertijo que antes costaba años de laboratorio por cada una. Su base de datos ronda ya los 200 millones de estructuras —prácticamente todas las proteínas conocidas—, y la versión de 2024, AlphaFold 3, va más allá y predice cómo esas proteínas se enganchan al ADN, al ARN y a los fármacos. A sus creadores, Demis Hassabis y John Jumper, les dieron el Nobel de Química de 2024.

Suena abstracto hasta que recuerdas de qué está hecho el envejecimiento, proteínas que se pliegan mal, células que dejan de dividirse, mecanismos que pierden el hilo. Tener el plano de esa maquinaria es justo lo que a este campo le faltaba para dejar de ir a ciegas. Con el mapa delante, buscar qué tecla tocar deja de ser lotería y empieza a parecerse a ingeniería.

De la pantalla al ensayo clínico

Y esto ya ha salido de la teoría. La empresa Insilico Medicine diseñó rentosertib, una molécula contra la fibrosis pulmonar idiopática —una enfermedad de tejidos que envejecen mal—, de principio a fin con IA generativa, la inteligencia artificial eligió la diana y dibujó el fármaco. Sus resultados de fase II ya se publicaron en Nature Medicine y el compuesto ha entrado en fase III, la última antes de aprobarse. Es el primer fármaco concebido enteramente por IA que llega tan lejos.

Queda la otra mitad del problema, saber si algo de esto rejuvenece de verdad. Ahí entran los relojes de envejecimiento, modelos —cada vez más de aprendizaje profundo— que leen las marcas químicas del ADN y estiman tu edad biológica, la de dentro, que no siempre coincide con la del carné. Son la regla que mide si una terapia atrasa el reloj o solo lo promete, y por eso importan tanto cuando los primeros ensayos de reprogramación empiezan a llegar a personas. Sin esa regla, eso de la «velocidad de escape de la longevidad» sería un eslogan, con ella, es una hipótesis que se puede medir.

Por qué esto es, antes que nada, una noticia de inteligencia artificial

Aquí está la razón por la que esta historia vive en nuestra sección de IA y no en la de ciencia a secas. Nada de esto es biología que de repente corre más sola, es biología a la que le han puesto un motor nuevo, y ese motor es la inteligencia artificial. Que Sam Altman financie una empresa de células, que OpenAI entrene un modelo para proteínas, que a DeepMind le den un Nobel por lo mismo, es toda la misma carrera vista desde dos lados, con el dinero y el talento de la IA empujando la biología.

Ahora, la parte que conviene decir, la IA propone ideas a una velocidad que ningún laboratorio humano iguala, pero no se salta los ensayos. Una variante que brilla en una placa todavía tiene que demostrarlo en animales y en personas, y ese calendario no lo recorta ninguna tarjeta gráfica. Lo que ha cambiado no es el destino, es la velocidad a la que nos acercamos a él. La misma tecnología que hoy te termina las frases está aprendiendo a terminar una mucho más antigua, la que llevas escrita en las células.