Por Erick León | Noticias La Paz
La Paz, Baja California Sur, 7 de noviembre de 2026.— Investigadores del Instituto Tecnológico de Massachusetts (MIT) describieron una herramienta de aprendizaje automático que busca acelerar la selección de moléculas con propiedades útiles para el desarrollo de medicamentos, materiales y productos químicos, especialmente cuando existen pocos datos experimentales.
La tecnología se llama CheMeleon. De acuerdo con la información difundida por MIT News el 6 de noviembre, el modelo se entrenó inicialmente para estimar alrededor de 1,600 descriptores de aproximadamente un millón de moléculas. Después puede adaptarse a problemas específicos, como predecir solubilidad, toxicidad o actividad frente a determinadas proteínas.
Un modelo que aprende antes de recibir datos de una nueva tarea
El enfoque parte de un problema frecuente en química: probar y sintetizar grandes cantidades de compuestos cuesta tiempo y dinero. En lugar de entrenar un sistema completamente nuevo para cada propiedad, CheMeleon aprovecha patrones aprendidos en una etapa previa para trabajar con conjuntos pequeños de información.
El equipo del MIT comparó el método con alternativas de aprendizaje automático y modelos clásicos en 58 casos de prueba, en los que reportó un desempeño superior. El sistema utiliza la plataforma abierta ChemProp, desarrollada por el mismo grupo de investigación.
El trabajo académico se publicó en la revista Journal of Chemical Information and Modeling en septiembre; la explicación divulgativa del MIT apareció el 6 de noviembre de 2026. Por lo tanto, no se trata de un descubrimiento clínico realizado este sábado ni del anuncio de un medicamento aprobado.
Aplicaciones posibles y límites
Su utilidad podría concentrarse en priorizar qué moléculas conviene estudiar primero en campos como farmacología, energía y nuevos materiales. La herramienta no determina por sí sola si un fármaco es seguro o eficaz para las personas: esas respuestas requieren experimentación, evaluación toxicológica y, cuando corresponde, estudios clínicos.
Para instituciones de investigación en México, herramientas de esta clase representan una oportunidad de explorar métodos computacionales de menor costo, siempre que se disponga de datos de calidad y expertos capaces de verificar sus predicciones.
Fuentes y créditos
Fuente primaria: MIT News, David L. Chandler, 6 de noviembre de 2026. Comunicado publicado el 6 de noviembre de 2026.
Imagen destacada: ilustración conceptual generada con IA para Noticias La Paz; no es una imagen de un experimento ni representa una molécula específica. Fotografía o imagen documental alternativa: consultar el material de prensa oficial y verificar los permisos de reutilización antes de sustituirla.
Recepción de información y boletines: colectivosudcaliforniano@gmail.com.
