Un equipo de científicos del Laboratorio Argonne, en colaboración con algunas instituciones internacionales, ha desarrollado un modelo de inteligencia artificial generativa que puede reconstruir estructuras moleculares a partir de los fragmentos generados en explosiones provocadas por rayos X. Esta técnica, conocida como «imagen por explosión de Coulomb», obtiene la imagen del instante en que los iones de una molécula emergen tras descomponerla con un intenso pulso de rayos X en una cámara de vacío.
Superar las limitaciones de la visualización molecular convencional
Hasta entonces, las opciones para obtener imágenes de moléculas en fase de vapor eran muy reducidas porque algunas de las técnicas, como la microscopía electrónica, solo permiten que las muestras estén detenidas en una posición fija. Otros métodos, como la difracción, requieren que las muestras estén densas para asegurar señales promediadas de muchas moléculas, lo que significa que se pierden detalles que solo son observables para unidades individuales.
La imagen por explosión de Coulomb desarrollada por científicos de Argonne plantea una superación de estas limitaciones, puesto que permite aislar los detalles químicos relevantes mediante el análisis de iones positivos que se repelen de forma explosiva tras una pérdida de electrones debida al impacto de rayos X. Este procedimiento de reconstrucción era tradicionalmente inviable debido a las extremas restricciones informáticas y a los pequeños desplazamientos atómicos que sobrevienen atravesando el breve confinamiento de la carga.
Desarrollo del modelo MOLEXA y el entrenamiento predictivo del mismo
Para hacer frente a las dificultades de carácter computacional, los científicos desarrollaron el denominado modelo de aprendizaje automático «MOLEXA», introducido para buscar patrones en los datos y realizar predicciones estadísticas de la geometría molecular. El entrenamiento de este modelo se llevó a cabo mediante un proceso que se desarrolló en dos pasos, el primero de los cuales fue el de construir una base de datos de simulación de alta precisión a partir de las estrategias de cálculo por mecánica cuántica y mecánica clásica, y el segundo paso consistió en acoplar esta base de datos a una segunda base de datos derivada de la física clásica, 100 veces más grande que la primera.
El resultado fue reducir el error de la predicción a la mitad y hacer que el modelo infiera la estructura más probable de una molécula a partir de los patrones del momento de los iones que son registrados por los detectores. Las moléculas de agua, tetrafluorometano y etanol han sido probadas y las reconstrucciones han demostrado ser similares a las estructuras conocidas, con diferencias muy pequeñas en los ángulos y en las posiciones de los enlaces.
El proceso de creación de películas moleculares y aplicaciones industriales
El éxito de MOLEXA es, en definitiva, solo el inicio de un camino para futuras investigaciones que tengan como objetivo ampliar los límites de las capacidades del modelo para procesar sistemas moleculares más grandes y complejos. Los científicos también planean emplear esta tecnología para experimentos de resolución temporal en instalaciones de láser de rayos X de alta potencia, presentando la posibilidad de capturar ráfagas de imágenes de moléculas en movimiento.
Este procedimiento facilitaría la confección de una especie de «libro animado» molecular que permitiría, paso a paso, ir mostrando cómo se producen las reacciones químicas en tiempo real. Igualmente, los científicos están evaluando los límites de la inteligencia artificial para reconstruir la estructura a partir de datos incompletos, algo habitual cuando los detectores no han podido registrar todos los iones de una explosión.
Al eliminar este tipo de barreras técnicas, la industria biotecnológica y química podría beneficiarse del estudio de sistemas complejos como las proteínas, abriendo la puerta a gratificantes innovaciones en la producción de medicamentos y el desarrollo de nuevos materiales.