Tabla de contenido
Una Computadora Diseñó un Medicamento que Superó Ensayos Clínicos. Esta Es la Carrera que lo Hizo Posible.
La biología computacional y el descubrimiento de fármacos con IA están transformando la industria farmacéutica. Aprende cómo preparar a tus hijos para esta carrera del futuro.
En 2020, DeepMind (la división de IA de Google) resolvió un problema que había desconcertado a la biología durante 50 años: predecir la estructura tridimensional de las proteínas a partir de su secuencia de aminoácidos. Esto importa para el descubrimiento de medicamentos porque la forma de una proteína determina lo que hace — y si una molécula de fármaco puede unirse a ella y modificar su comportamiento. En 18 meses después del lanzamiento de AlphaFold, las empresas farmacéuticas ya lo usaban para acelerar procesos de descubrimiento de medicamentos que antes tomaban décadas.
Las personas que dirigen ese proceso se llaman biólogos computacionales — científicos que hablan tanto el lenguaje de la biología como el del machine learning. Tu hijo probablemente nunca ha escuchado esa palabra. Su escuela casi con certeza no la enseña. Pero es una de las carreras con mejor remuneración y mayor impacto en la biología moderna.
El problema que los papás no reconocen
El descubrimiento de medicamentos siempre ha sido lento, costoso, y caracterizado por una tasa de fracaso brutal. De cada 10,000 compuestos que entran en la etapa inicial del descubrimiento de fármacos, aproximadamente 1 llega a la aprobación de mercado. El tiempo promedio desde el descubrimiento inicial hasta la aprobación del paciente es de 10-15 años. El costo con frecuencia supera los 1,000 millones de dólares por medicamento aprobado.
Esas estadísticas no han cambiado mucho en 50 años de investigación farmacéutica. Lo que ha cambiado es el conjunto de herramientas computacionales disponibles para los investigadores — y ese cambio está ocurriendo tan rápido que el panorama profesional se está transformando en tiempo real.
La biología computacional se sitúa en la intersección de tres disciplinas: biología, química y ciencias de la computación. Los biólogos computacionales construyen modelos que predicen cómo interactúan las moléculas, simulan el plegamiento de proteínas, analizan datos genómicos para encontrar variantes que causan enfermedades y, cada vez más, diseñan moléculas de fármacos completamente nuevas usando IA generativa.
Insilico Medicine utilizó un sistema de IA para diseñar desde cero un candidato a fármaco para una enfermedad pulmonar rara (fibrosis pulmonar idiopática). El proceso tomó 18 meses y costó aproximadamente 2.6 millones de dólares. El mismo proceso usando métodos convencionales normalmente tomaría 4-5 años y costaría entre 10 y 20 millones de dólares. El medicamento entró en ensayos clínicos de Fase II en 2023.
Lo que dicen los datos
El mercado global de IA en el descubrimiento de fármacos fue valorado en 1,400 millones de dólares en 2022 y se proyecta que alcanzará los 9,700 millones de dólares para 2030 (Grand View Research, 2024). Ese crecimiento refleja el reconocimiento de la industria farmacéutica de que los métodos tradicionales de descubrimiento han alcanzado un techo de productividad.
DeepMind publicó las predicciones de AlphaFold para 200 millones de proteínas en 2022 — esencialmente el universo completo de proteínas conocidas — y puso la base de datos a disposición gratuita de los investigadores. En un año, más de 500,000 investigadores de 190 países habían descargado datos de estructuras proteicas. Más de 2,000 artículos científicos publicados en 2023 citaron estructuras de AlphaFold como centrales para su metodología (Nature, 2023).
En cuanto a salarios, en México y América Latina el panorama es el siguiente:
| Rol | Habilidades clave | Empleadores típicos | Rango salarial (MXN/mes) |
|---|---|---|---|
| Biólogo computacional | Python, R, biología estructural, ML | Farmacéuticas, biotech, academia | $35,000 - $120,000 |
| Ingeniero de ML para fármacos | Deep learning, quimioinformática, PyTorch | Biotech con enfoque en IA | $50,000 - $150,000 |
| Bioinformático estructural | AlphaFold, dinámica molecular, Python | I+D farmacéutico | $40,000 - $100,000 |
| Científico de datos clínicos | Estadística, R, datos de ensayos, NLP | Farmacéuticas, CROs | $45,000 - $110,000 |
| Ingeniero de software bioinformático | Python, C++, plataformas cloud, genómica | Empresas de genómica | $50,000 - $130,000 |
En México, empresas como Genomma Lab y BIRMEX (Laboratorios de Biológicos y Reactivos de México) están comenzando a explorar herramientas computacionales en sus pipelines. Más relevante aún, las filiales locales de Roche, Pfizer, Novartis y AstraZeneca contratan activamente perfiles con habilidades en bioinformática y análisis de datos biológicos. En Monterrey y la Ciudad de México, el ecosistema de ciencias de la vida está creciendo con vínculos entre universidades como el Tec de Monterrey y la UNAM y estas empresas.
Un estudio de 2023 publicado en Nature Chemical Biology demostró que un sistema de IA diseñó nuevos antibióticos con actividad contra bacterias resistentes a medicamentos al aprender patrones químicos de 100 millones de compuestos conocidos, generando candidatos fuera de cualquier espacio químico explorado previamente. Para México, donde las infecciones por bacterias resistentes a antibióticos representan un problema de salud pública documentado por el IMSS, este tipo de investigación tiene implicaciones directas.
Lo que esto significa para tus hijos
El camino de preparación no es único para todos, pero algunas habilidades aparecen consistentemente en todos los perfiles de biología computacional.
Los fundamentos de biología importan más de lo que los papás de ingeniería asumen. Un joven que entiende genética, biología celular y bioquímica básica a un nivel genuino — no solo memorizado para el examen — tiene una base que los programadores puros no tienen. El cuello de botella más común al entrenar biólogos computacionales es la falta de intuición para los sistemas biológicos.
Python es el idioma universal. Casi toda la investigación en biología computacional usa Python. Bibliotecas como NumPy, Pandas, Scikit-learn y PyTorch son herramientas estándar. Un joven cómodo escribiendo scripts de Python y analizando datos en Jupyter notebooks tiene el kit básico.
El pensamiento estadístico es fundamental. La biología computacional no es solo machine learning aplicado a biología. Requiere entender pruebas de hipótesis estadísticas, diseño experimental, y la diferencia entre correlación y causalidad en datos biológicos.
Edades 8-12: Esta es la etapa de curiosidad biológica. Un kit de ADN familiar como el de 23andMe es una herramienta de aprendizaje legítima — ver tus propias variantes genéticas y aprender qué significan construye la intuición de que las proteínas y los genes son cosas reales con consecuencias reales. Libros como “El Código de la Vida” de Walter Isaacson (disponible en español) hacen accesible la historia de CRISPR y la genética.
Edades 12-15: Empieza a combinar biología con programación. Proyectos como analizar conjuntos de datos genómicos disponibles públicamente (NCBI tiene datos gratuitos), o usar la API de AlphaFold para recuperar estructuras proteicas y visualizarlas en PyMOL (software gratuito), conectan los dos dominios de manera concreta.
Edades 15-18: Las competencias importan aquí. Los proyectos de feria de ciencias usando enfoques de bioinformática — analizar datos genómicos para predecir riesgo de enfermedad, construir un clasificador de machine learning para la función de proteínas — son el tipo de trabajo que hace destacar las solicitudes universitarias. La Olimpiada Mexicana de Biología y las competencias regionales organizadas por el Tec de Monterrey y la UNAM tienen categorías relevantes.
Para más contexto sobre carreras adyacentes, consulta nuestro artículo sobre bioinformática y su conexión con la codificación y el artículo sobre ingeniería genética con CRISPR. El perfil de habilidades también comparte mucho con la preparación para carreras del futuro.
Qué observar en 3 meses
Mes 1: Que tu hijo vea el documental de DeepMind sobre AlphaFold (disponible gratis en YouTube) y luego explore la base de datos de AlphaFold en alphafold.ebi.ac.uk — que es gratuita y pública. Elegir una proteína conocida (la insulina, por ejemplo) y ver su estructura predicha hace el concepto concreto.
Mes 2: Intentar el módulo “Drug Discovery with Machine Learning” en Coursera (ofrecido por DeepLearning.AI), accesible para jóvenes motivados de 14-16 años con algo de experiencia en Python. Alternativamente, los tutoriales de Practical Cheminformatics en GitHub ofrecen proyectos prácticos gratuitos usando RDKit, una biblioteca de Python para química.
Mes 3: Investigar un medicamento descubierto por IA que haya llegado a ensayos clínicos. INS018_055 de Insilico Medicine, DSP-1181 de Exscientia, y RLY-4008 de Relay Therapeutics son ejemplos documentados. Escribir un resumen de una página sobre qué enfermedad ataca el medicamento, cómo se usó la IA en su descubrimiento, y en qué etapa de ensayos está. Este es el tipo de investigación que los mentores de preparatoria notan.
Preguntas frecuentes
¿Los jóvenes necesitan ser buenos tanto en biología como en programación para esta carrera? Sí, ambas importan — pero no necesitan ser igualmente fuertes en ambas desde el principio. La mayoría de los biólogos computacionales vienen de una dirección (biología o ciencias de la computación) y desarrollan la otra durante el posgrado. Lo clave es el interés genuino en ambas, no el dominio de ambas.
¿Se necesita un doctorado? Para posiciones de investigación en grandes empresas farmacéuticas e instituciones académicas, un doctorado es típicamente esperado. Sin embargo, las startups de biotech y las empresas de descubrimiento de fármacos con enfoque en IA frecuentemente contratan candidatos con maestría. En México, el CINVESTAV, el IBT-UNAM y el Tec de Monterrey ofrecen programas de posgrado relevantes.
¿Qué diferencia hay entre bioinformática y biología computacional? Los términos se superponen significativamente. La bioinformática tiende a enfocarse en datos de secuencias — genómica, proteómica, análisis de bases de datos biológicas. La biología computacional es más amplia e incluye modelado de procesos biológicos, simulación de dinámica molecular y biología de sistemas. En la práctica, los títulos de trabajo varían por empresa.
¿Hay oportunidades en esta carrera en México y América Latina? Sí y está creciendo. Con el desarrollo del ecosistema de biotecnología en la Ciudad de México, Monterrey y Guadalajara, y con filiales de grandes farmacéuticas multinacionales en México, las oportunidades locales son reales. Además, muchos biólogos computacionales mexicanos trabajan remotamente para empresas en EE.UU. o Europa.
¿La IA va a eliminar estos empleos? La ironía es real pero la conclusión es incorrecta. Las herramientas de IA están eliminando aspectos rutinarios del cribado de fármacos, pero están creando trabajo más sofisticado en todos los niveles superiores. El número de posiciones en descubrimiento computacional de fármacos ha crecido cada año desde 2017, a pesar (gracias a) del avance de la IA.
¿Qué universidades en México ofrecen formación relevante? La UNAM (Facultad de Ciencias, IBt, CCG), el Tec de Monterrey (Ingeniería en Biotecnología, Ciencias de Datos), el IPN (CICATA, ENCB), y la UAM tienen programas de licenciatura y posgrado con componentes relevantes. Para el componente computacional, Ingeniería en Computación o Ciencias de Datos de cualquiera de estas instituciones también es válido.
Sobre el autor Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.
Fuentes
- DeepMind. (2022). AlphaFold Protein Structure Database. https://alphafold.ebi.ac.uk
- Grand View Research. (2024). AI in Drug Discovery Market Size, Share & Trends Analysis Report. https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-in-drug-discovery-market
- Insilico Medicine. (2023). AI-discovered IPF drug candidate enters Phase II trials. https://insilico.com/pipeline
- Jumper, J., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596, 583–589. https://doi.org/10.1038/s41586-021-03819-2
- Stokes, J.M., et al. (2020). A deep learning approach to antibiotic discovery. Cell, 180(4), 688-702. https://doi.org/10.1016/j.cell.2020.01.021
- Nature. (2023). AlphaFold’s impact: One year after the database launch. https://www.nature.com/articles/d41586-023-00162-y
- Tec de Monterrey. (2024). Ingeniería en Biotecnología: Plan de estudios. https://tec.mx/es/estudios/nacional/ingenieria-en-biotecnologia
- UNAM-IBt. (2024). Instituto de Biotecnología: Investigación en Bioinformática. https://www.ibt.unam.mx
