Vacunas en tiempo récord: la inteligencia artificial hace su contribución a la ciencia
El rápido desarrollo de dos vacunas contra la COVID-19 altamente efectivas ha sido posible gracias al desarrollo tecnológico de la inteligencia artificial y a la colaboración innovadora entre investigadores de todo el mundo
Detrás de los desafíos éticos asociados a la inteligencia artificial (IA) se esconden las enormes posibilidades de una tecnología que podría revolucionar el mundo de la ciencia y resolver algunos de los problemas más complejos de la biología moderna. En primer lugar figura la capacidad de predecir la estructura de proteínas desconocidas para revelar los secretos de las células y las enfermedades que las afectan. Recientemente, las estructuras de proteínas han sido noticia debido a su papel central en el desarrollo de nuevas vacunas contra la COVID-19, vacunas basadas en el ARN mensajero.
Definir la forma de las proteínas de forma experimental es un proceso largo y laborioso, que requiere meses de investigación y un elevado consumo de recursos. Esa información es esencial para estudiar los nuevos virus, comprender su comportamiento y desarrollar vacunas eficaces. La capacidad desarrollada por los científicos para predecir las estructuras de las proteínas mediante métodos de cálculo informatizados ha hecho que ese proceso sea mucho más rápido y preciso.
Gracias a los recientes avances en inteligencia artificial, es posible ahora predecir con gran precisión las estructuras tridimensionales de proteínas diana de alta complejidad. Se dio un paso muy importante cuando AlphaFold2, el sistema de IA creado por la empresa londinense DeepMind (propiedad de Google desde 2014), permitió definir rápidamente diferentes estructuras proteínicas del SARS-CoV-2, un virus sobre el que se disponía de muy poca información hasta hace solo unos meses.
El trabajo incansable de los científicos y la colaboración internacional -con la ayuda de tecnologías de IA de vanguardia como DeepMind- han hecho posible reaccionar rápidamente ante la pandemia. Actualmente, se encuentran en desarrollo clínico hasta 60 posibles vacunas, tres de las cuales han sido ya aprobadas por algunas autoridades reguladoras nacionales para su utilización a gran escala, según indica la Organización Mundial de la SaludEnlace externo.
Los investigadores del mundo de la biomedicina ven este momento como un punto de inflexión para la ciencia. «Es un logro absolutamente increíble», comenta Torsten Schwede, vicepresidente de investigación de la Universidad de Basilea y jefe del grupo de investigación del Instituto Suizo de Bioinformática SIB, que ha desarrollado SWISS-MODEL, un servidor de modelización de estructuras de proteínas totalmente automatizado y utilizado por investigadores de todo el mundo. Los resultados obtenidos por DeepMind también fueron posibles gracias a los avances de los últimos diez años en el campo de la biología estructural computacional, del que el sistema suizo SWISS-MODEL fue pionero.
«El intercambio abierto de información sobre el SARS-CoV-2 en el seno de la comunidad científica ha hecho posible desarrollar vacunas en un tiempo récord».
Torsten Schwede
Personas y programas informáticos
¿Por qué las proteínas ocupan un lugar tan destacado en el campo médico-científico? Pequeñas, pero de importancia fundamental, las proteínas son la base de todos los procesos químicos y biológicos de las células humanas y de cualquier organismo vivo. Los aminoácidos que las componen se unen entre sí formando origamis espontáneos, que determinan su particular estructura tridimensional.
Conocer la forma de las proteínas facilita enormemente la investigación biomédica en el terreno de las enfermedades humanas, por ejemplo. Por eso, la comunidad científica considera revolucionarios los resultados obtenidos por DeepMind. Hay una gran esperanza en que este logro se traduzca en el desarrollo de nuevos medicamentos y tratamientos farmacológicos avanzados.
SWISS-MODEL creó el primer software del mundo capaz de modelar de forma completamente autónoma las estructuras tridimensionales de proteínas aún no descubiertas por método experimental. En 1993, Manuel Peitsch, bioinformático y fundador de SWISS-MODEL, lanzó la idea de utilizar sistemas de simulación por ordenador que no requirieran intervención humana para obtener información estructural sobre proteínas y comprender mejor las funciones moleculares.
En aquel momento el proyecto parecía una cosa de ciencia ficción. Hoy en día, gracias a los métodos cada vez más sofisticados para comparar estructuras proteínicas conocidas con secuencias de proteínas desconocidas -lo que se conoce como “modelización por homología”- los software han superado la capacidad humana en términos de precisión y rendimiento y se utilizan en todo el mundo. Cada año, SWISS-MODEL procesa más de un millón de solicitudes de modelos de proteínas sin supervisión humana.
La IA nos ha salvado la vida -J Sirvent
Con Javier Sirvent, os traemos un episodio cargado de conocimiento sobre el tema que más polémica y fama ha ganado en estos últimos años, la Inteligencia Artificial y su importancia tanto en la sociedad como en el sector empresarial.
LA IA nos ha ahorrado 500 años de investigaciónLa IA ha hecho posible que se puedan testear de forma virtual más de 40.000 millones de compuestos moleculares en cuestión de diez horas”, explica Molina
Vacunas en tiempo récord: la inteligencia artificial hace su contribución a la ciencia
Realidad y ciencia ficción
Durante los últimos treinta años, los científicos han intentado deducir la característica forma tridimensional de las proteínas a partir de sus secuencias de aminoácidos. En ese proceso, conocer las estructuras experimentales de las proteínas emparentadas entre sí hace que el modelado sea relativamente fácil y preciso. En los casos difíciles, sin embargo, la ausencia de información estructural sobre una familia determinada de proteínas significa hacer una predicción ex novo muy complicada y, a menudo, inexacta. Pero gracias a AlphaFold2, este problema se ha resuelto. «Hemos visto que el método AlphaFold2 desarrollado por DeepMind funciona tanto para casos fáciles como muy complejos. Es un auténtico avance, porque ahora la IA puede lograr algo que ningún ser humano con un conocimiento profundo del modelado de proteínas había sido capaz de hacer antes «, afirma Schwede.
El sistema de inteligencia artificial de DeepMind, AlphaFold2, utiliza técnicas avanzadas de aprendizaje automático, conocidas como redes neuronales profundas, para predecir las estructuras de las proteínas directamente a partir de sus secuencias genéticas. Para ello, el sistema de IA aprendió las secuencias y estructuras de unas 100 000 proteínas conocidas utilizando datos experimentales facilitados por la comunidad científica. Hoy, es capaz de realizar predicciones muy precisas de modelos 3D de cualquier proteína. Los extraordinarios resultados obtenidos por DeepMind han sido confirmados por los organizadores del experimento sobre las estructuras de las proteínas CASPEnlace externo (ver recuadro), que han calificado la capacidad de cálculo y de predicción de AlphaFold2 como algo “sin precedentes”.
La regla de oro del progreso
El eficaz apoyo de la comunidad científica y el intercambio abierto de información en el campo de la biología estructural computacional, al que SWISS-MODEL también ha contribuido, son algunos de los ingredientes que explican el éxito de DeepMind. Según Torsten Schwede, haber compartido abiertamente métodos de cálculo informatizados y datos estructurales ha permitido a DeepMind disponer de la información necesaria para resolver uno de los problemas más difíciles de la bioinformática.
El intercambio de información se intensificó durante la pandemia, lo que demuestra la importancia de la colaboración para lograr resultados significativos en un plazo mucho más breve.»Hemos aprendido mucho durante esta pandemia. El intercambio abierto de información sobre el SARS-CoV-2 dentro de la comunidad científica ha hecho posible el desarrollo de vacunas en un tiempo récord», agrega Schwede, subrayando que almacenar datos de manera aislada puede ser extraordinariamente contraproducente para la ciencia.
- https://www.swissinfo.ch/spa/ciencia/inteligencia-artificial-y-vacunas_vacunas-en-tiempo-r%c3%a9cord-la-inteligencia-artificial-hace-su-contribuci%c3%b3n-a-la-ciencia/46276936
La
vacuna contra el covid-19 desarrollada por Pfizer y BioNtech (una de
las vacunas en fase 3) pasó del concepto a la realidad en solo 10 meses.
Es un lapso de tiempo sin precedentes en la historia.
Pero, ¿cómo se compara con otras vacunas y por qué nunca antes se consiguió una vacuna tan rápido?
Según
el estudio de la Universidad de Oxford, la disminución del tiempo para
desarrollar vacunas se puede atribuir a los avances tecnológicos del
último siglo.
La Universidad de Oxford en Reino Unido comparó el tiempo transcurrido entre la identificación de las bacterias o virus que causan 16 enfermedades y el año en que una vacuna para combatir esa determinada enfermedad fue aprobada en Estados Unidos.
Eligieron este país porque es donde la mayoría de las inmunizaciones se autorizaron por primera vez.
Además del covid-19, el gráfico muestra enfermedades que tienen una alta mortalidad, según la Organización Mundial de la Salud (OMS), y para las que se recomienda vacunación.
Algunas dolencias tienen vacunas en pruebas pero aún no están autorizadas.
La comparativa muestra cómo el proceso de crear vacunas puede llevar décadas y cómo la pandemia actual ha sido una excepción a este paradigma.
¿Por qué unas vacunas se desarrollan y aprueban más rápido que otras?
Hay distintas razones.
En un extremo está la malaria, por ejemplo, que a pesar que hace 140 años que se descubrió su relación con el parásito Plasmodium, aún no hay una vacuna definitiva.
En 2015, la Agencia Europea de Medicamentos aprobó el uso de la vacuna RTS,S para combatir la infección en niños en África, pero su uso todavía se limita a proyectos piloto en algunos países.
"El caso de la malaria es complicado. El ciclo de vida del Plasmodium dificulta encontrar un blanco específico para la vacuna", explicó a BBC Mundo la investigadora Samantha Vanderslott, una de las autoras del estudio de Oxford.
Esto se debe a que el parásito infecta los glóbulos rojos de la sangre humana y eso lo hace menos detectable para el sistema inmunitario.
En el otro extremo del gráfico está la vacuna de ARN mensajero (ARNm) contra el covid-19, fabricada por las empresas Pfizer y BioNTech.
México y Estados Unidos aprobaron el uso de emergencia de esta vacuna y Reino Unido ya empezó a administrarla como parte de su programa de vacunación masiva.
Sin embargo, Rusia fue el primer país del mundo en registrar una vacuna con el covid-19.
De producción propia, la Sputnik V se aprobó en agosto y empezó a administrarse en diciembre en la capital, Moscú.
Los resultados de los estudios para verificar su eficacia y seguridad aún son incompletos y no se sometieron a revisión de la comunidad científica internacional.
"Algunas personas pueden preguntarse si la rapidez en aprobar la vacuna significa que se han saltado etapas. Pero es importante tener en mente que las investigaciones que se estaban haciendo desde las epidemias de SARS y MERS han contribuido a esos resultados. Además, se han obtenido más recursos, más financiamiento y más apoyo de gobiernos y compañías farmacéuticas debido a la pandemia", dice Vanderslott.
Además de la malaria, hay enfermedades como el dengue, el Zika, el Ébola, la infección por citomegalovirus (CMV) o el SIDA que todavía no cuentan con una vacuna definitiva.
"Con excepción de la infección por CMV y del SIDA, que son problemas globales, la mayoría de estas enfermedades son transmitidas por insectos, dependen también de medidas sanitarias para su erradicación y afectan a países más pobres", dice a BBC Mundo Cristina Bonorino, profesora de la Universidad Federal de Ciencias de la Salud de Porto Alegre y miembro de la Sociedad Brasileña de Inmunología (SBI).
"Sin embargo, la vacuna es un producto hecho por empresas farmacéuticas cuyo desarrollo es caro. No están invirtiendo en vacunas porque creen que no son rentables."
Según Bonorino, si los países que más necesitan las vacunas no pueden invertir recursos, la decisión de producirlas o no termina siendo de las propias empresas. Por eso, muchas de esas enfermedades no tienen prioridad, aunque la tecnología para combatirlas ya exista.
"El VIH, por ejemplo, es un virus complejo pero sabemos cómo crear inmunidad. No tenemos una vacuna porque las empresas tienen productos que controlan el problema y que se venden muy bien, como son los antiretrovirales. ¿Por qué van a invertir en una vacuna que cuesta cientos de millones de dólares?", recalca.
Cómo las innovaciones tecnológicas juegan un papel clave
Según el estudio de la Universidad de Oxford, la disminución del tiempo para desarrollar vacunas se puede atribuir a los avances tecnológicos del último siglo.
Por ejemplo, las técnicas de cultivo de bacterias en el laboratorio permitieron la creación de vacunas contra la difteria y el tétanos a principios del siglo XX.
Igualmente, avances en el cultivo de virus en el laboratorio hicieron posibles las vacunas contra la poliomielitis, el sarampión, la rubéola y la viruela en la década de 1950 y, recientemente, descubrimientos en biología molecular y química propiciaron las vacunas contra la hepatitis B, la gripe, la neumonía y la meningitis.
Se espera que las vacunas contra el covid-19 escriban un nuevo capítulo en esta historia, según las dos expertas.
"Lo más prometedor de estas vacunas son las tecnologías utilizadas, especialmente en las de ARNm y en las de vectores virales. Podrían utilizarse como plataformas para desarrollar inmunización para otras enfermedades. Es muy alentador ", dice la investigadora de Oxford.
Las proteínas son objetos flexibles. Para que funcionen necesitan a menudo movimiento. Para comparar un modelo 3D de una proteína con una estructura de referencia experimental, hay que hacer rotar el modelo hasta que haya una superposición óptima. Pero con los objetos flexibles, esta superposición es difícil de lograr. Para resolver este problema, el equipo de SWISS-MODEL desarrolló un marcador llamado lDDT (local Distance Difference Test), que evalúa el grado de concordancia de una predicción con respecto a la estructura de referencia, independientemente de los movimientos intramoleculares. Esos marcadores, que pueden utilizarse sin necesidad de supervisión humana, son esenciales para el desarrollo de métodos autónomos de modelado de proteínas.
El CASP (Evaluación crítica de la predicción de la estructura de
proteínas, por sus siglas en inglés) es un experimento que se lleva a
cabo cada dos años y evalúa los avances logrados en el campo de la
predicción de la estructura de proteínas a nivel internacional. Durante
el último experimento realizado en 2020 (CASP14), se evaluó la precisión
de los métodos de predicción en casi un centenar de proteínas diana.
Las predicciones de AlphaFold2 demostraron ser muy precisas, incluso en
los casos más difíciles, como el de una proteína del SARS-CoV-2
previamente desconocida, la ORF8. El SARS-CoV-2 está compuesto por unas
30 proteínas diferentes, de las cuales una docena no se conoce bien.
https://www.bbc.com/mundo/noticias-55232518
Como ya hicieron los sistemas informáticos en la década de los 80, la Inteligencia Artificial también ha llegado al ámbito sanitario para quedarse. Y no se trata del futuro de la medicina, sino de un presente que ya es real y que está revolucionando campos como el de la Vacunología.
“Es la evolución. Los hospitales tienen departamentos de programación y pronto los habrá de Inteligencia Artificial. La IA no es una herramienta más, sino una nueva manera de trabajar que nos va a ayudar en todo lo relacionado con las vacunas”, explica Ignacio Salamanca, coordinador médico de la Unidad de Investigación Grupo IHP Pediatría y miembro del Comité de Expertos del Plan de Vacunas de Andalucía.
En ella hablarán sobre cómo pueden los profesionales sanitarios que se dedican a la vacunación aplicar la IA en sus consultas. Y lo harán a través de ejemplos prácticos para que, teléfono en mano, los asistentes puedan comprobar lo sencillo que es incorporar la inteligencia artificial en su día a día. “A lo largo de una consulta de vacunas, o en el acto mismo de administrarlas, pueden surgir muchas cuestiones a las que hay que dar respuesta”, apunta Salamanca, y ahí es donde la IA entra en juego.
Desde traducir calendarios de vacunación hasta actualizarlos, pasando por crear contenidos de divulgación o formación, la inteligencia artificial está facilitando y agilizando el trabajo de los profesionales sanitarios. La IA puede, por ejemplo, ayudar a los sanitarios a actualizar la vacunación de migrantes que quizá no tengan puestas todas las vacunas, cotejando los distintos calendarios de vacunación de unos y otros lugares. También puede dar respuesta a cuestiones relacionadas con las interacciones o coadministraciones entre vacunas y otros medicamentos, así como traducir calendarios de vacunación extranjeros.
En su vertiente más divulgativa, los profesionales también recurren a la IA para generar imágenes que después usan en sus presentaciones o en sus clases, y para elaborar contenido que después personalizan y hacen llegar a las familias para ampliar la información que les han dado en consulta.
“Hace un par de años o tres se veía que la cosa iba avanzando y que había desarrollos, pero si me hubieran dicho que íbamos a estar aplicando la IA en consulta, no me lo hubiera creído”, apunta Antonio Conejo, que señala que la IA también les está ayudando a revisar artículos y bibliografía compleja.
Vacunas y anticuerpos más precisos gracias a la IA
Fuera de las consultas, la IA es útil para analizar las estrategias de vacunación e implementar mejoras que ayuden a aumentar las coberturas de vacunación. “Nos permite la explotación de una gran cantidad de datos para tomar decisiones, incorporar o ajustar medidas preventivas de salud pública. Tiene un gran potencial no solo a nivel individual, también de forma colectiva”, afirma Salamanca.
No obstante, a pesar de sus ventajas, también existen retos a la hora de integrarla en los sistemas de salud pública, no solo técnicas, sino también legales y éticas. “Las implicaciones éticas están íntimamente ligadas a la legalidad. En Europa, esta regulación es de corte restrictivo y no da pie a hacer cosas que puedan generar dudas”, señala Fernando Moreno, quien se refiere a la IA como un copiloto: “Gestiona información, te ayuda a digerirla y a ponerla en el formato que te resulte más cómodo para que tú, que estás conduciendo, puedas tomar decisiones mientras conduces”.
La investigación y el desarrollo clínico también se está sirviendo de la IA para desarrollar anticuerpos y preparados vacunales más específicos e incluso elaborar modelos que permiten predecir las mutaciones de un virus. “Se están investigando nuevos antígenos y coadyuvantes de vacunas que permiten potenciar el efecto inmunógeno de la vacuna”, asegura Conejo.
Los tres profesionales encargados de inaugurar el encuentro científico de la AEV tienen también un mensaje para los indecisos: la IA es el futuro de la medicina y no queda otra que hacerse a la idea. “Vamos a tener que convivir con ella, como cuando llegaron las máquinas con la revolución industrial”, concluye Moreno.
https://vacunas.org/inteligencia-artificial-al-servicio-de-las-vacunas-desde-cotejar-y-traducir-calendarios-hasta-disenar-estrategias-para-aumentar-las-coberturas-de-vacunacion/
https://www.docred.com/noticias/noticia-medica-vacunas-potentes-estables-gracias-a-inteligencia-artificial
Inteligencia artificial y Tecnología Reversa (RT)
Las inteligencias artificiales se basan en modelos de predicción para evaluar una gran cantidad de datos, y así encontrar antígenos potenciales reduciendo la fase experimental.
Las IAs se pueden configurar para que las dianas moleculares que buscan tengan una baja tasa de mutación. Para ello monitorizan los cambios genéticos entre las cepas de una enfermedad a lo largo del tiempo, así pueden elegir las regiones más estables y generar una vacuna que garantice su efectividad a lo largo del tiempo.
Por otro lado, está la generación de vacunas a través de Reverse Technology (RT). La RT es una herramienta computacional para la búsqueda de posibles antígenos analizando el genoma bacteriano o vírico. Su principal objetivo es eliminar la necesidad de usar los cultivos clásicos.
Esta herramienta se ha dado gracias a los avances en la secuenciación genómica, siendo cada vez más rápida y barata. Un ejemplo de vacuna por RV fue la vacuna contra la Neisseria meningitidis, una de las causantes de la meningitis.
La RT no requiere de las modernas IA, sin embargo, se están empezando a usar en conjunto; inteligencias artificiales que usan la Reverse Technology para el desarrollo de las vacunas. Otro ejemplo, esta vez de IA y RT, fue la búsqueda de una vacuna para las cepas con resistencia a antibióticos de Acinetobacter baumannii, responsable de múltiples infecciones nosocomiales.
Aunque su principal enfoque sea el análisis de datos para las fases de desarrollo, las IAs también se están empezando a utilizar en las fases de producción, distribución y comercialización.
En las plantas de fabricación se combinan con cámaras en el recinto para detectar riesgos, para mejorar la seguridad laboral. Por el lado de distribución y comercialización se busca que ayuden con la predicción de demandas u mejorar la comunicación con asistentes virtuales.
https://www.condalab.com/blog/puede-una-inteligencia-artificial-fabricar-vacunas--n503
Gracias a todo lo aprendido en la pandemia de Covid-19, y a la mejora de la tecnología de los algoritmos, “para el próximo coronavirus, tendremos solución en dos meses”. No obstante, esto es una pequeña parte de la punta de un iceberg enorme, que aglutina tecnología, técnicas de investigación, farmacéuticas, compuestos moleculares y un sinfín de variables que participan en el juego.
Las empresas biotecnológicas –comúnmente conocidas como biotech– son un nuevo actor en la escena de la investigación científica. Si se añade la IA como factor adicional, se obtiene una imagen completa que contiene lo siguiente: por una parte, las farmacéuticas son el vehículo; las biotecnológicas son las que refinan y proporcionan el combustible, que en este caso es la IA, para ayudar a mover el vehículo. En Barcelona hay firmas que, precisamente, proporcionan asistencia computacional a empresas farmacéuticas. Una de ellas, Nostrum Biodiscovery, ha abierto sus puertas a Crónica Global.
Vacunas, antibióticos, compuestos… Ya sea para tratar enfermedades oncológicas, neurológicas, cardiovasculares o víricas, todo empieza en las moléculas que se utilizarán para poder desarrollar los diferentes tratamientos que se van a aplicar. Es un proceso que lleva tiempo y, en según qué casos, mucho dinero, tal y como explica el director de IA de la empresa, Alexis Molina. Lo que hacen los algoritmos en el proceso de desarrollo es acortar tiempo en probar qué tipo de compuestos funcionan mejor con otros, de forma virtual.
La IA ha hecho posible que se puedan testear de forma virtual más de 40.000 millones de compuestos moleculares en cuestión de diez horas”, explica Molina
Molina explica que el proceso “tradicional” de sintetizar compuestos en un laboratorio requiere mucho tiempo y dinero, ya que los procesos deben llevarse a cabo de forma individual para cada uno de los “ingredientes”. La IA permite “escalar métodos en poco tiempo y poder obtener respuestas de una forma más rápida”.
No obstante, aunque permita ahorrar recursos, también afirma que esta “no es la solución definitiva para nada”, sino que se trata de una tecnología que va a mejorar la situación. “No es que pulses un botón y te salga una vacuna. Los ordenadores llevan décadas ayudando a sintetizar compuestos, pero ahora, gracias a la IA, se puede hacer todavía más rápido y preciso. Pero el factor humano y los ensayos en los laboratorios son imprescindibles en todo el proceso”.
El siguiente Covid
El cofundador de la compañía, Víctor Guallar, ha enfatizado sobre uno de los retos más recientes a los que se ha tenido que enfrentar la humanidad: la pandemia de Covid-19. “Habrá un SARS-CoV-3. Con el SARS-CoV-2, gracias al avance de la tecnología, tuvimos ensayos en seis meses, algo que era impensable. Ahora, con todo lo que hemos aprendido, si se le suma la optimización de los procesos de la IA, tendremos vacuna en dos meses. El primer mes tendremos candidatos, mientras que en el tercer mes ya vamos a tener ensayos clínicos” explica.
Del mismo modo, la IA ayuda en la predicción de los compuestos que se pueden sintetizar para “hacer frente a futuras amenazas que puedan llegar”. Adicionalmente, también enfatiza que hay “otras empresas e instituciones” que se dedican, junto con la ayuda de la IA, a predecir futuras pandemias con base en los factores de transmisión y de mutación de los diferentes virus.
Los primeros fármacos con IA
Ambos integrantes de la empresa han dejado patente que la IA “no es una solución definitiva”. Además, el proceso de usar esta tecnología para desarrollar fármacos, en conjunción con empresas especializadas, es algo que va a ser gradual. “Primero hay una fase de testeo en laboratorios; luego llegan los ensayos clínicos y, finalmente, se aprueba para su venta y distribución”, explica Molina.No obstante, los primeros fármacos que han sido conjuntamente desarrollados con IA “empezarán a distribuirse entre los próximos 5 y 7 años, de cara a 2030”, afirma. Pero, del mismo modo que ilustra este escenario, también pone encima de la mesa el hecho de que “la IA ayuda en muchas fases”. “Puede ser que haya hecho una proteína más efectiva, que haya reformulado un compuesto o que haya reducido toxicidad en las moléculas; es una situación en la que hay muchos puntos de vista desde los que se puede abordar”.
https://cronicaglobal.elespanol.com/creacion/vida-tecky/20240814/cuando-ia-vacunas-para-coronavirus-tendremos-solucion/877912262_0.html
La revolución en biologia
