Investigadores de la Universidad de Stanford y del Arc Institute han alcanzado un hito histórico al utilizar un modelo de IA generativa para diseñar genomas virales completos desde cero. Este avance marca un giro desde el descubrimiento biológico tradicional hacia una era de diseño computacional, donde la IA dicta la arquitectura de la vida.
Evo: El modelo de lenguaje extenso para la genómica
En el corazón de esta investigación se encuentra Evo, un modelo generativo especializado que funciona de manera similar a un modelo de lenguaje extenso (LLM), pero que opera con el "lenguaje" del ADN. A diferencia de los modelos basados en texto, Evo fue entrenado con un conjunto de datos masivo que comprende aproximadamente nueve billones de nucleótidos procedentes de millones de organismos, incluidos animales, plantas, microbios y virus.
Para perfeccionar su precisión, los investigadores emplearon un proceso de entrenamiento de dos etapas. Tras aprender los patrones fundamentales del árbol de la vida, Evo se sometió a una segunda ronda de entrenamiento especializado utilizando los 11 genes del bacteriófago phiX174 y aproximadamente 15,000 de sus parientes más cercanos. Esto permitió al modelo dominar los matices específicos necesarios para diseñar entidades biológicas funcionales y capaces de replicarse.
De 700,000 propuestas a virus funcionales
La escala de las capacidades generativas de Evo es inmensa. El modelo propuso 700,000 genomas virales potenciales. El equipo de investigación luego redujo esta cifra mediante una selección rigurosa, sintetizando químicamente 285 secuencias como hebras de ADN e insertándolas en la bacteria E. coli.
Los resultados fueron sumamente exitosos: 16 de las secuencias sintetizadas produjeron virus capaces de replicarse. Cabe destacar que estos virus generados por IA no eran simplemente versiones "enfermas" o debilitadas de especies existentes; eran tan robustos como los virus naturales, y algunos se replicaban incluso más rápido que el phiX174 original. Los expertos señalaron que la IA incluso introdujo cambios inesperados en el orden y la disposición de los genes que los científicos humanos no habían considerado previamente.
El arma de doble filo: avances médicos frente a brechas de bioseguridad
Las implicaciones para la biotecnología son profundas. Los virus diseñados por IA podrían revolucionar la fagoterapia —el uso de virus para matar bacterias multirresistentes— y mejorar la terapia génica mediante la creación de vehículos de entrega más eficientes para el material genético.
Sin embargo, el desarrollo ha puesto de relieve una "desconexión" crítica en las regulaciones de bioseguridad global. Las políticas actuales de los Institutos Nacionales de Salud (NIH) de EE. UU. se centran en prohibir experimentos que hagan más peligrosos a los patógenos conocidos, pero no cubren explícitamente el trabajo puramente computacional: el diseño de ADN viral en una computadora. Esto crea un vacío regulatorio para los riesgos "desconocidos": si una IA diseña un patógeno novedoso y altamente transmisible que nunca ha existido en la naturaleza, las salvaguardas actuales podrían no identificar la amenaza.
Para mitigar esto, el equipo de Stanford implementó medidas de seguridad proactivas al asegurar que Evo nunca fuera entrenado con patógenos humanos o virus relacionados de animales o plantas, evitando eficazmente que el modelo pudiera generar genomas que infecten a humanos.
Por qué el resultado es importante para la medicina
La fagoterapia, que emplea virus para atacar bacterias resistentes a los antibióticos, se ha visto obstaculizada durante mucho tiempo por el limitado conjunto de herramientas de los fagos naturales. Una IA que pueda conjurar nuevas y eficientes cápsides virales podría ampliar ese conjunto de herramientas de manera drástica. Del mismo modo, los vectores de terapia génica —a menudo virus modificados para transportar ADN terapéutico a las células— podrían volverse más precisos y menos inmunogénicos si se diseñan desde cero en lugar de modificarse a partir de cepas existentes.
El punto ciego regulatorio al descubierto
Las agencias de financiación de EE. UU. restringen actualmente los experimentos que hacen que los patógenos conocidos sean más peligrosos, pero no abordan explícitamente la creación de patógenos novedosos mediante el diseño puramente computacional. El trabajo de Evo esquivó esa cláusula porque el modelo nunca vio virus que infecten a humanos durante su entrenamiento; los investigadores excluyeron deliberadamente cualquier secuencia que pudiera dar lugar a patógenos humanos. No obstante, persiste la posibilidad de que una IA pueda, sin tales salvaguardas, idear un virus sin precedentes naturales: un "desconocido sintético" que las juntas de revisión existentes podrían no detectar.
La brecha no es meramente académica. Si se permitiera que un modelo se entrenara con un conjunto más amplio de datos virales, podría aprender los componentes fundamentales de la alta transmisibilidad o la evasión inmunitaria, para luego generar un genoma que, una vez sintetizado, podría representar una amenaza a escala pandémica. Los mecanismos de supervisión actuales se centran en la manipulación en laboratorios húmedos; carecen de un mandato claro para evaluar los riesgos del diseño in silico, el cual puede realizarse de forma remota y a gran escala.
Los virus producidos eran bacteriófagos: virus que infectan bacterias, no humanos. Su utilidad se limita en gran medida al control bacteriano y a la investigación de laboratorio, lo que reduce las preocupaciones inmediatas para la salud pública.
En conclusión
Evo demuestra que la IA puede pasar de predecir estructuras proteicas a elaborar genomas virales completos y funcionales. La tecnología promete herramientas más rápidas y versátiles para combatir bacterias resistentes a los fármacos y administrar terapias génicas, pero también obliga a los reguladores a enfrentarse a una nueva clase de riesgo: planos digitales para la vida que nunca han existido en la naturaleza.