Durante años hemos visto cómo la inteligencia artificial aprendía a predecir proteínas, encontrar moléculas prometedoras o sugerir modificaciones genéticas. Eran avances enormes, pero casi siempre trabajaban sobre piezas individuales de la biología.
Ahora se ha dado un salto distinto: una IA ha escrito genomas virales completos y algunos funcionaron cuando los científicos los construyeron físicamente.
Investigadores de Stanford y el Arc Institute utilizaron los modelos genómicos Evo 1 y Evo 2 para diseñar nuevos bacteriófagos, virus especializados en infectar bacterias. El trabajo, publicado el 6 de agosto en Science, terminó con 16 diseños capaces de propagarse e inhibir el crecimiento de E. coli.
No estamos hablando de virus diseñados para infectar humanos. El experimento se realizó con bacteriófagos y los investigadores excluyeron deliberadamente los virus eucariotas de los datos utilizados para entrenar Evo 2 por motivos de seguridad.
La IA tuvo que escribir miles de letras de ADN que funcionaran todas a la vez
El punto de partida fue ΦX174, un pequeño bacteriófago cuyo genoma contiene 5.386 nucleótidos. Puede parecer insignificante frente a los miles de millones de letras del ADN humano, pero construir un virus funcional exige que múltiples genes y regiones reguladoras encajen correctamente entre sí.
La diferencia con otros experimentos de IA generativa está precisamente ahí. El equipo quería que el modelo produjera el genoma entero de extremo a extremo, sin que los investigadores tuvieran que completar después las partes que faltaban. Evo aprendió patrones a partir de miles de bacteriófagos relacionados y generó numerosas secuencias candidatas.
Después llegó la prueba que separa un diseño digital de algo biológicamente funcional. Los investigadores seleccionaron y sintetizaron 285 genomas. Solo 16 consiguieron producir bacteriófagos viables, propagarse y frenar el crecimiento de las bacterias adecuadas. Algunos incluso mostraron un rendimiento superior al ΦX174 natural utilizado como referencia.
Un porcentaje pequeño de éxito, pero suficiente para demostrar algo importante: el modelo había generado código genético que una célula real podía interpretar y convertir en un virus funcional.
El objetivo más interesante está en bacterias que aprenden a resistir nuestros tratamientos
Los bacteriófagos llevan décadas estudiándose como posible herramienta contra infecciones bacterianas, especialmente frente al creciente problema de la resistencia a los antibióticos. Pero las bacterias también pueden evolucionar para resistir a los propios fagos.
Los investigadores pusieron a prueba esa idea utilizando bacterias E. coli resistentes al ΦX174 natural. En lugar de enfrentarlas a un único virus, utilizaron un cóctel con los 16 fagos diseñados mediante IA. La combinación logró superar rápidamente aquella resistencia en el experimento.
Eso abre una posibilidad interesante: utilizar modelos generativos para explorar enormes cantidades de variantes y crear bibliotecas de fagos diferentes, en lugar de depender exclusivamente de los que encontramos en la naturaleza.
Todavía estamos muy lejos de convertirlo en un tratamiento. Los experimentos se realizaron en laboratorio y el siguiente desafío pasa por diseñar genomas mayores, controlar mejor sus propiedades y estudiar bacteriófagos dirigidos contra microorganismos clínicamente relevantes.
También acaba de aparecer una pregunta incómoda sobre bioseguridad
La misma capacidad que hace atractivo el experimento explica por qué ha despertado preocupación. Si una IA puede generar un genoma viral completo que funciona, la tecnología requiere barreras capaces de impedir que ese principio termine aplicándose de forma irresponsable. Expertos consultados tras la publicación han señalado que el avance plantea nuevas cuestiones de bioseguridad y gobernanza.
Los responsables de Evo sostienen que introdujeron salvaguardas desde el entrenamiento y que los virus capaces de infectar organismos eucariotas fueron excluidos específicamente. Pero el hito científico ya está ahí.
Durante décadas, la biología aprendió primero a leer el ADN y después a editarlo y sintetizarlo. Ahora estamos entrando en una etapa diferente: pedirle a una máquina que imagine secuencias completas que la evolución conocida no nos entregó.
La parte realmente extraordinaria es que esta vez no se quedaron dentro de un ordenador. Dieciséis de esas propuestas fueron construidas, introducidas en células y la biología consiguió ejecutarlas.
