En los últimos años, las proteínas han pasado a ocupar el centro del debate sobre salud, envejecimiento y rendimiento físico. Lo que antes se identificaba con productos "light" y sin calorías, hoy se ha desplazado hacia yogures, batidos, barritas y todo tipo de alimentos enriquecidos en este macronutriente. En paralelo, la ciencia ha empezado a utilizar inteligencia artificial para estudiar y diseñar proteínas con una precisión impensable hace solo una década.
Entre las recomendaciones de los endocrinólogos, las dudas de quienes empiezan una dieta alta en proteínas y los avances en modelos de lenguaje de proteínas que funcionan como auténticos "ingenieros moleculares", el panorama es amplio y complejo. En España y en Europa, tanto los hospitales como los centros de investigación están afinando el mensaje: importa la cantidad diaria, pero también la calidad de la proteína, cómo se reparte a lo largo del día y hasta qué punto la IA puede ayudar a crear nuevas proteínas terapéuticas y más sostenibles.
Cuánta proteína necesitamos según la edad y el estilo de vida
El mayor error cuando se habla de proteínas es pensar que existe una cantidad universal válida para todo el mundo. Las necesidades diarias cambian de forma notable según la edad, el peso, el nivel de actividad y el estado de salud.
Para la población adulta sin patologías, las guías clásicas y organismos internacionales como la OMS recomiendan un mínimo de 0,75-0,8 gramos de proteína por kilo de peso corporal al día. Es decir, una persona de 70 kilos rondaría los 56 gramos diarios como umbral de seguridad para evitar déficits y problemas de salud asociados.
Sin embargo, especialistas en Endocrinología y Nutrición en España, como los equipos del Hospital Virgen de la Victoria de Málaga o de centros privados como Quirónsalud, insisten en que ese valor es un mínimo, no una cifra óptima. Para muchos adultos se maneja ya un rango algo más amplio, entre 0,8 y 1,2 g/kg/día, siempre ajustando a cada caso concreto.
En el caso de las personas mayores, el escenario cambia por completo. Con el envejecimiento es frecuente la pérdida progresiva de masa muscular (sarcopenia), que se asocia a más caídas, debilidad, problemas de movilidad y mayor mortalidad. Por eso se aconseja elevar la ingesta hasta aproximadamente 1,0-1,2 g/kg/día a partir de los 60 años, y en algunos casos algo más si hay fragilidad o enfermedades crónicas.
Cuando entran en juego los deportistas, sobre todo quienes realizan entrenamiento de fuerza o resistencia de forma intensa, los rangos recomendados se sitúan entre 1,4 y 2 gramos de proteína por kilo de peso al día, pudiendo llegar excepcionalmente a unos 2,5 g/kg/día en fases muy exigentes de preparación. A estos niveles, llegar solo con comida puede resultar complicado, y es donde se valora de forma más habitual el uso de suplementos como la creatina.
Proteínas, envejecimiento y longevidad: lo que dice la ciencia
La relación entre consumo de proteínas y longevidad no es tan sencilla como asumir que "cuanta más proteína, mejor". Algunos trabajos internacionales, como los realizados en la Universidad Médica de Kanazawa (Japón), apuntan a que el papel de los macronutrientes y, en concreto, de las proteínas, puede ser más relevante para vivir más y mejor que el simple recuento de calorías.
Según estos estudios, una ingesta algo más baja de proteínas entre los 50 y 65 años podría vincularse con menor riesgo de ciertos cánceres y mejor mortalidad global, siempre dentro de un patrón de alimentación equilibrado. En cambio, en mayores de 66 años, la prioridad se invierte: tomar proteínas suficientes o incluso algo por encima del mínimo se vuelve clave para evitar sarcopenia y fragilidad, dos factores que aumentan el riesgo de discapacidad y muerte.
En este contexto, los endocrinólogos españoles recuerdan que las proteínas cumplen funciones esenciales más allá del músculo. Participan en la formación y reparación de tejidos, en la salud ósea, en el sistema inmunitario, en la regulación hormonal y en la producción de enzimas y neurotransmisores. Un índice de masa muscular demasiado bajo en personas mayores se ha relacionado de forma consistente con una mayor mortalidad.
Ahora bien, los expertos matizan que las proteínas, por sí solas, no obran milagros. Para preservar la masa muscular y la funcionalidad con la edad hay que combinar una ingesta adecuada con entrenamiento de fuerza progresivo, suficiente descanso y una dieta variada que incluya hidratos de carbono complejos, grasas saludables, vitaminas y minerales.
Surge aquí un matiz que genera dudas: ¿aporta algo tomar cantidades excesivas de proteína por encima de lo recomendado? La respuesta de los equipos de nutrición clínica en España es bastante homogénea: superar de forma mantenida los 2,2 g/kg/día carece de sentido en la mayoría de personas. El organismo no es capaz de aprovechar ese excedente para generar músculo indefinidamente y sí aumenta el coste metabólico… y económico, porque se acaba pagando por proteína que no se va a utilizar.
Cómo repartir la ingesta de proteínas a lo largo del día
Más allá de los gramos totales, cada vez cobra más importancia la distribución de las proteínas durante la jornada. Varios especialistas recomiendan evitar que casi toda la proteína se concentre en la cena, un patrón muy habitual en la población española.
A nivel práctico, muchos dietistas-nutricionistas proponen que en el desayuno y el almuerzo se incluyan unos 20-30 gramos de proteína de calidad, mientras que en la cena se puede aumentar a 30-40 gramos, sobre todo si se entrena por la tarde o noche. De este modo se estimula varias veces al día la síntesis de nuevas proteínas musculares, lo que favorece el mantenimiento o el crecimiento del músculo.
Además, hay momentos vitales en los que los requerimientos aumentan: infancia, adolescencia, embarazo y lactancia, etapas de estrés intenso, procesos infecciosos, recuperación tras cirugías o práctica deportiva exigente. En todas estas situaciones conviene revisar la alimentación con un profesional para asegurar que se llega a las cifras adecuadas sin disparar las calorías innecesariamente.
Un ejemplo práctico de lo que puede suponer un ajuste temporal de la dieta lo aporta la experiencia de muchas mujeres en perimenopausia y menopausia. En estas fases, es frecuente la ganancia de grasa y la sensación de hinchazón pese a mantener los mismos hábitos de siempre. Algunos endocrinólogos y nutricionistas recurren, siempre bajo supervisión, a protocolos muy cortos y pautados con prioridad a proteínas y grasas saludables para inducir cetosis y favorecer el uso de grasa como fuente de energía.
En uno de estos planes, planteado durante varios días, la pauta podía incluir solo alimentos proteicos como pollo, pavo, huevos, pescado sin salsas y yogur griego, acompañados de algunas verduras y grasas saludables (tomate, aguacate, semillas de lino o chía) y mucha agua e infusiones. El objetivo no era tanto perder kilos de golpe como mejorar la composición corporal, reducir la grasa en zonas concretas y reactivar el metabolismo. Estos enfoques, insisten los especialistas, no son apropiados para hacer por cuenta propia sin seguimiento médico.
Fuentes de proteína: animal, vegetal y combinaciones inteligentes
La pregunta de si es mejor la proteína animal o la vegetal no tiene una respuesta única; como muestra este alimento con proteína de alta calidad que gana protagonismo.
Las proteínas de origen animal (carnes magras, aves, pescado, huevos y lácteos) se caracterizan por aportar todos los aminoácidos esenciales en cantidades adecuadas y por su buena digestibilidad. Son fuentes destacadas de hierro, zinc y vitaminas del grupo B. En adultos hasta los 60 años, se consideran opciones de primera línea las carnes magras como pollo y pavo, pescados blancos y azules, leche, yogur y queso.
En personas mayores de 60 años, cobran especial relevancia los lácteos ricos en proteínas, el huevo y las fuentes vegetales de alta calidad como el tofu o el tempeh. Estos alimentos resultan más fáciles de masticar y digerir que otras carnes, y permiten cubrir necesidades elevadas sin recurrir a raciones enormes.
En el terreno vegetal, las legumbres (lentejas, garbanzos, judías negras, frijoles), la soja y sus derivados (tofu, tempeh), los frutos secos y las semillas suponen una pieza clave. Por sí solas, muchas proteínas vegetales son incompletas porque carecen de uno o varios aminoácidos esenciales, pero la combinación adecuada permite obtener proteínas de gran calidad.
Un ejemplo clásico es mezclar legumbres, que suelen ser pobres en metionina y cistina, con cereales, más limitados en lisina. Platos tan cotidianos como un plato de lentejas con arroz o unos garbanzos con pan integral ofrecen, al final del día, un perfil proteico muy completo sin necesidad de carne.
Alimentos cotidianos especialmente ricos en proteínas
Más allá de las cifras globales, interesa saber qué alimentos aportan mucha proteína en raciones realistas. Los dietistas señalan una lista de productos fáciles de encontrar en cualquier supermercado europeo que pueden ayudar a llegar al objetivo diario sin recurrir siempre a la pechuga de pollo.
- Huevos: cada unidad contiene unos 6 gramos de proteína, además de vitaminas y minerales esenciales. Son versátiles y se pueden combinar con alimentos más proteicos para subir la cifra total del plato.
- Avena: una taza de avena cruda puede rondar los 10 gramos de proteína y aporta betaglucano, una fibra que ayuda a reducir el colesterol. Un desayuno con avena, yogur y frutos secos suma proteínas, fibra y grasas saludables.
- Pollo y pavo: alrededor de 25 gramos de proteína por cada 100-115 gramos de carne cocinada. Son cortes magros que encajan en platos de cuchara, ensaladas, bowls o como segundo plato tradicional.
- Pescados como el atún o el salmón: unos 20 gramos de proteína por 100 gramos de producto. En el caso del atún en lata, una ración puede aportar más de 30 gramos, además de ácidos grasos omega-3 en las variantes al natural o en aceite escurrido.
- Lácteos proteicos: el yogur griego natural bajo en grasa llega a unos 20 gramos de proteína por taza. El requesón aporta alrededor de 12 gramos por media taza y es rico en calcio.
- Legumbres: media taza de lentejas cocidas contiene unos 9 gramos de proteína y 8 de fibra; los garbanzos rondan los 15 gramos de proteína por taza cocida; las judías negras ofrecen unos 7 gramos por media taza, además de hierro y fibra.
- Tofu y tempeh: el tofu aporta unos 9 gramos de proteína por 85 gramos de producto, mientras que el tempeh sube hasta unos 16 gramos en la misma cantidad, con la ventaja añadida de la fermentación, que genera probióticos beneficiosos para el intestino.
- Frutos secos y semillas: los pistachos ofrecen unos 12 gramos de proteína en 57 gramos de producto, junto con fibra y grasas cardioprotectoras. Una ración de almendras (unas 23 unidades) suma 6 gramos, vitamina E y magnesio.
- Cereales integrales como la quinoa: una taza cocida aporta unos 8 gramos de proteína, además de zinc, magnesio, hierro y ácido fólico, lo que la convierte en un buen acompañamiento alternativo al arroz.
- Leche de vaca: unos 8 gramos de proteína por vaso (240 ml), junto a calcio y vitamina D. Las bebidas vegetales, como la de soja, se acercan bastante a esa cifra cuando están enriquecidas.
Combinando de forma inteligente estos alimentos a lo largo del día, es más sencillo alcanzar las cifras recomendadas sin tener que recurrir a estrategias extremas o dietas monótonas. Una tostada con requesón y semillas en el desayuno, un plato de lentejas con verduras en la comida y pescado con quinoa en la cena suman, sin grandes complicaciones, un aporte proteico notable y equilibrado.
Suplementos de proteína: cuándo tienen sentido y cuándo no
La popularidad de los suplementos proteicos ha crecido a la par que el boom de los gimnasios y las redes sociales, pero los especialistas insisten en que no son imprescindibles para todo el mundo. Su papel es el de una herramienta práctica para quienes, por circunstancias concretas, no llegan a sus requerimientos solo con la alimentación.
En personas con dietas veganas o vegetarianas estrictas, un suplemento de proteína vegetal en polvo puede ayudar a completar la ingesta diaria sin multiplicar las raciones de legumbres y frutos secos. También en deportistas con entrenamientos muy exigentes, que requieren entre 1,4 y 2 g/kg/día, los batidos facilitan sumar gramos de proteína sin disparar la carga digestiva o calórica.
Los estudios comparativos señalan que las proteínas derivadas de la leche, como el suero (whey) y la caseína, presentan una alta biodisponibilidad y resultados sólidos en ensayos donde se mide la ganancia de fuerza y masa magra. La whey se absorbe con rapidez, lo que la hace interesante en el entorno del entrenamiento, mientras que la caseína tiene una digestión más lenta y se asocia a un efecto "anticatabólico" prolongado, motivo por el que muchos la toman antes de dormir.
Por otro lado, las opciones vegetales como la proteína de soja han demostrado un comportamiento similar en muchos parámetros, especialmente cuando la dieta global está bien planteada. Para personas sanas, los suplementos basados tanto en suero como en soja se consideran seguros y eficaces dentro de las dosis recomendadas.
Los especialistas recuerdan que, por encima del ya mencionado umbral de unos 2,2 g/kg/día de proteína total, aumentar la dosis de suplementos no va a traducirse en más músculo y sí en un mayor esfuerzo para el organismo. En pacientes con enfermedad renal, cardiaca o hepática avanzada, cualquier incremento importante de la carga proteica debe valorarse con mucho cuidado y siempre bajo control médico.
Inteligencia artificial y proteínas: de caja negra a socio de diseño
Mientras el público general se centra en qué comer, en los laboratorios europeos se vive una revolución silenciosa: el uso de modelos de lenguaje de proteínas, un tipo de inteligencia artificial que aprende de millones de secuencias de aminoácidos para predecir y diseñar nuevas proteínas.
Estos modelos funcionan de forma análoga a los sistemas que generan texto, pero aplicados al "idioma" de las proteínas. Su potencial es enorme: podrían ayudar a crear enzimas capaces de captar dióxido de carbono de la atmósfera, diseñar catalizadores que consuman menos energía o desarrollar proteínas terapéuticas completamente nuevas que no existen en la naturaleza.
Sin embargo, muchos de estos modelos se comportan como auténticas cajas negras. Producen resultados sorprendentes, pero no siempre está claro qué patrones han aprendido ni por qué proponen una determinada secuencia. Para la biotecnología y la medicina, donde el margen de error es mínimo, esta falta de transparencia es un problema serio.
Un equipo del Centro de Regulación Genómica (CRG), con sede en Barcelona, ha revisado recientemente cómo se está aplicando la llamada IA explicable a estos sistemas. Esta disciplina agrupa técnicas que permiten interpretar, al menos en parte, las decisiones de un modelo de inteligencia artificial: qué datos le influyen más, qué partes de una secuencia son clave o cómo reaccionan sus predicciones si se modifican ciertos elementos de entrada.
En su análisis, los investigadores identifican cuatro puntos críticos donde la explicabilidad puede marcar la diferencia. El primero son los datos de entrenamiento: qué tipos de proteínas se han usado, si están bien representadas las proteínas humanas o si existen sesgos que dejen fuera variantes genéticas importantes. El segundo es la secuencia concreta que se le da al modelo, observando qué aminoácidos o regiones favorecen una u otra predicción.
El tercer punto se centra en la arquitectura interna del modelo: cómo se comportan sus neuronas artificiales, qué información codifican y si se puede eliminar parte de la complejidad sin perder rendimiento. El cuarto es el llamado comportamiento entrada-salida, que consiste en ir modificando ligeramente la secuencia o la pregunta que se le plantea a la IA para ver cómo cambia su respuesta y así detectar patrones robustos o inestables.
De evaluador a profesor: los posibles roles de la IA explicable en proteínas
La revisión del CRG muestra que, por ahora, la IA explicable se utiliza sobre todo como herramienta de evaluación. Es decir, se emplea para comprobar si el modelo realmente ha aprendido conceptos que la biología ya conoce, como la identificación de motivos estructurales o de sitios de unión enzimáticos.
En algunos estudios, estas capacidades se reaprovechan en modo "multitarea", usando las señales internas que ha aprendido la IA para anotar nuevas proteínas o predecir propiedades adicionales. Aun así, la mayoría de trabajos se queda en este papel de verificador o apoyo, en lugar de convertir la explicabilidad en un motor de descubrimiento por derecho propio.
Un número más reducido de investigaciones utiliza las herramientas de IA explicable como "Ingeniero" o "Entrenador". En estos casos, se emplea la información obtenida para recortar componentes superfluos de los modelos, rediseñar su arquitectura o guiar la generación de secuencias hacia proteínas con características concretas. Es un enfoque más activo, que intenta mejorar la herramienta en sí y no solo comprobar cómo se comporta.
El papel más ambicioso, y por ahora menos desarrollado, es el de "Profesor". En este escenario, la IA no solo serviría para confirmar lo que ya sabemos, sino para proponer principios biológicos nuevos que los humanos no han detectado. Por ejemplo, podría señalar que determinada mutación rompe una red de enlaces de hidrógeno crítica para la estabilidad de una proteína, o revelar reglas de plegamiento que no encajan en los modelos clásicos.
Para los investigadores en ciencias de las proteínas, alcanzar ese nivel significaría disponer de sistemas capaces de apoyar de forma directa el diseño controlable de proteínas. Sería posible pedir al modelo algo tan concreto como: "Diseña una proteína con esta forma que sea activa a este pH", y obtener no solo una secuencia candidata, sino también una explicación razonada de por qué debería funcionar y en qué condiciones podría fallar.
Eso sí, llegar a esa fase no ocurrirá de forma automática. Los modelos actuales destacan como reconocedores de patrones, pero a menudo se apoyan en correlaciones estadísticas más que en una comprensión mecanicista. De ahí que los autores insistan en la importancia de la validación experimental, de datos limpios y de un diálogo constante entre IA y laboratorio.
IA para proteínas en movimiento: más allá de la foto estática
Otro frente donde la inteligencia artificial está cambiando la forma de estudiar las proteínas tiene que ver con su dinámica en el tiempo. Herramientas como AlphaFold han revolucionado la predicción de la estructura tridimensional, pero sus resultados se asemejan más a una fotografía estática que a una película.
En realidad, las proteínas son máquinas moleculares en continuo movimiento: se pliegan, vibran, giran y cambian de forma según las moléculas que las rodean. Ese baile microscópico determina si un fármaco encaja bien, si un anticuerpo reconoce su diana o si una señal química se transmite correctamente dentro de la célula.
Dentro de este campo se ha presentado recientemente, en foros como NeurIPS, un modelo denominado LD-FPG desarrollado en la Escuela Politécnica Federal de Lausana (EPFL), que pretende ir un paso más allá: en lugar de limitarse al esqueleto de la proteína, genera miles de conformaciones completas a resolución atómica, incluidas las cadenas laterales de los aminoácidos.
Uno de los ejemplos más exigentes para probar este sistema ha sido el receptor D2 de dopamina, una proteína de membrana de la familia de los GPCR, muy estudiada en farmacología porque muchos medicamentos actúan precisamente sobre estos receptores. A partir de una larga simulación de dinámica molecular con miles de "fotogramas", el modelo ha logrado reproducir con alta fidelidad la diversidad de posturas que adopta esta proteína en un entorno de membrana.
Los resultados se han cuantificado con métricas técnicas como el lDDT y la divergencia de Jensen-Shannon, pero la idea de fondo es sencilla: la IA no solo genera una estructura plausible, sino un conjunto coherente de estados que respeta la física conocida de la molécula. Para el diseño de fármacos, esto abre la puerta a detectar cavidades temporales, giros sutiles o estados intermedios donde un compuesto terapéutico podría ajustarse mejor.
Aunque estos avances no sustituyen los experimentos de laboratorio, sí pueden acelerar procesos como el cribado virtual de millones de moléculas candidatas. Al disponer de más estados realistas de la misma proteína, aumenta la probabilidad de encontrar un punto débil terapéutico. Eso sí, sigue siendo imprescindible validar cualquier hallazgo con ensayos experimentales antes de considerar su aplicación clínica.
En conjunto, lo que se vislumbra es un cambio de paradigma: la IA empieza a tratar a las proteínas como lo que realmente son, engranajes dinámicos y no estatuas inmóviles. Un avance que, combinado con una comprensión cada vez más afinada de cómo consumimos las proteínas en la dieta, podría transformar tanto la forma en la que cuidamos nuestra salud como la manera en la que se diseñan nuevos medicamentos, materiales y tecnologías más sostenibles.