Una IA de Stanford genera 285 genomas virales artificiales: 16 funcionaron en laboratorio
Investigadores del Arc Institute y la Universidad de Stanford entrenaron un modelo de inteligencia artificial llamado Evo con 9.000 millones de nucleótidos extraídos de millones de organismos vivos. Le pidieron que diseñara genomas completos de virus desde cero. El resultado abre preguntas que la biología sintética no había tenido que responder hasta ahora.
Cómo Evo construyó virus que la naturaleza nunca produjo
El proceso no consistió en modificar virus existentes. Evo generó 285 secuencias genómicas completas sin un molde natural directo. Los investigadores tomaron esas secuencias, las sintetizaron en ADN real y las introdujeron en cultivos bacterianos dentro de placas de Petri.
De las 285 propuestas, 16 demostraron ser funcionales. No solo sobrevivieron en el entorno bacteriano: algunos se replicaron a mayor velocidad que los virus naturales que habían servido de base para el entrenamiento del modelo. Es un resultado que va más allá de la imitación.
Oliver Crook, investigador de la Universidad de Oxford, fue explícito al valorar los hallazgos: «No son versiones enfermas de cosas que ya existen.» La frase delimita el alcance del experimento: Evo no optimizó virus conocidos, sino que propuso estructuras genéticas sin equivalente en la naturaleza.
La decisión de diseño que acotó el riesgo: solo bacteriófagos
El equipo tomó una precaución metodológica central: Evo no recibió datos de virus capaces de infectar seres humanos. El entrenamiento se limitó a bacteriófagos, es decir, virus que atacan bacterias como Escherichia coli. Eso circunscribe el peligro inmediato, pero no cierra el debate sobre el potencial dual de la tecnología.
Un bacteriófago funcional y de replicación acelerada tiene aplicaciones médicas concretas. La fagoterapia, que utiliza virus para destruir bacterias resistentes a antibióticos, es una línea de investigación activa ante la crisis global de resistencias antimicrobianas. Evo podría acelerar el diseño de fagos a medida para infecciones específicas que hoy no tienen tratamiento eficaz.
El problema que la regulación no ha resuelto aún
La capacidad de generar genomas virales funcionales mediante IA plantea un escenario que los marcos regulatorios actuales no contemplaron. Las normativas sobre bioseguridad se diseñaron para laboratorios con acceso físico a patógenos. Un modelo de lenguaje biológico opera en un plano diferente: el riesgo no está en un tubo de ensayo, sino en los parámetros de entrenamiento y en los datos de acceso.
El debate sobre si esta tecnología requiere controles equivalentes a los de la energía nuclear ya está abierto en la comunidad científica. La diferencia con la energía nuclear es relevante: el coste de entrada para trabajar con síntesis de ADN ha caído de forma sostenida durante la última década, lo que amplía el número de actores capaces de ejecutar experimentos similares.
La regulación, por ahora, va por detrás del avance técnico. No existe un organismo internacional con autoridad vinculante sobre el diseño computacional de genomas.
Lo que este experimento cambia para la biología sintética y para ti
El experimento de Evo desplaza un umbral que hasta ahora era teórico. Estos son los cuatro cambios concretos que se derivan de los datos publicados:
Primero, los modelos de IA entrenados con secuencias genómicas pueden producir organismos funcionales, no solo predicciones o simulaciones. La brecha entre el diseño digital y la biología real se ha reducido de forma medible.
Segundo, la velocidad de replicación superior a la de los virus naturales indica que la IA no solo imita patrones evolutivos: puede superarlos en parámetros específicos. Eso es relevante tanto para aplicaciones terapéuticas como para la evaluación de riesgos.
Tercero, el criterio de exclusión de datos humanos en el entrenamiento es una salvaguarda voluntaria del equipo investigador, no una limitación técnica del modelo. Cualquier grupo con acceso a datos de virus humanos y capacidad computacional equivalente podría replicar el experimento con un corpus diferente.
Cuarto, la fagoterapia es el caso de uso más inmediato y menos controvertido. Si Evo puede diseñar fagos que se replican más rápido que los naturales, el tiempo de desarrollo de tratamientos contra bacterias multirresistentes podría acortarse de forma significativa.
Evo, Oxford y el Arc Institute ante la próxima decisión del sector
El Arc Institute es una organización de investigación biomédica con sede en California que trabaja en la intersección entre biología y computación. Su colaboración con Stanford en el desarrollo de Evo sitúa este trabajo en la frontera entre los modelos de lenguaje de gran escala y la biología molecular.
La pregunta que el sector tiene ahora sobre la mesa no es si esta tecnología es posible: ya lo es. La cuestión es quién establece las reglas de acceso a modelos como Evo, qué datos pueden usarse para entrenarlos y qué tipo de supervisión externa se exige antes de publicar los resultados. El experimento con bacteriófagos fue el primer paso documentado. Lo que venga después depende de decisiones que aún no se han tomado, y que no son solo científicas.
Imagen ilustrativa generada con inteligencia artificial.
Más sobre esto en LaPrensaIA
Publicado originalmente por The New York Times.
Edición con asistencia de herramientas de IA bajo supervisión editorial. Cómo trabajamos.
Contenido elaborado con la asistencia tecnológica de IBERIA y supervisión editorial. Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico.
