Stanford researchers used the Evo 2 generative-AI model to design and synthesize almost 300 novel bacteriophages. Laboratory tests confirmed that 16 of those viruses efficiently kill E. coli. The work shows that de novo biological design can jump from a line of code to a living antimicrobial agent.
De una secuencia digital a un virus real
El profesor asistente Brian Hie, junto con el Instituto de Ciencia de Datos de Stanford de la Fundación Dieter Schwarz, alimentó a Evo 2 con el genoma del bien estudiado fago ΦX174. Evo 2 trata el ADN como un lenguaje, prediciendo secuencias que deberían plegarse en proteínas funcionales y ensamblarse en un virus viable. El modelo generó cientos de cadenas de ADN distintas; la síntesis química las convirtió en una biblioteca de casi 300 partículas de fagos.
Convertir una cadena generada por computadora en un virus físico requirió más que un paso similar al de una impresora. El equipo encargó oligonucleótidos de ADN personalizados, ensambló genomas completos e introdujo cada constructo en un huésped bacteriano que pudiera "arrancar" un fago. Ese flujo de trabajo —diseño, síntesis, ensamblaje y rescate— ha sido durante mucho tiempo el estándar para los aislados de fagos naturales, pero rara vez se ha aplicado a genomas creados íntegramente por IA.
Cribado de actividad antibacteriana
La verdadera prueba era si algún fago diseñado por IA podía infectar y destruir un objetivo bacteriano. Los investigadores desafiaron a los 300 candidatos con una cepa de laboratorio de E. coli, una causa común de infecciones del tracto urinario y un modelo para estudios de resistencia a los antibióticos. Tras los ensayos de placa y las mediciones de inhibición del crecimiento, 16 fagos destacaron por la rápida lisis de los cultivos bacterianos y sus altos tamaños de lisis (burst sizes; el número de nuevas partículas de fago liberadas por célula infectada).
Esos 16 aciertos no solo sobrevivieron al cribado; superaron a muchos parientes naturales de ΦX174 en eficiencia de eliminación. Los datos sugieren que Evo 2 puede reproducir funciones virales conocidas y también explorar un espacio de secuencias que la biología nunca ha muestreado, llegando a soluciones que son tanto viables como potentes.
Por qué es importante para la investigación antimicrobiana
La fagoterapia —el uso de virus que depredan bacterias— ha resurgido como una posible respuesta al aumento mundial de las infecciones resistentes a los antibióticos. El descubrimiento tradicional depende de la búsqueda de fagos en aguas residuales, suelo o microbiomas animales, un proceso que puede tardar meses y arroja resultados impredecibles. Evo 2 ofrece una alternativa centrada en la computación: los científicos especifican un objetivo bacteriano, dejan que el modelo genere genomas candidatos y luego prueban un conjunto enfocado en el laboratorio.
Si el proceso se escala, podría comprimir años de muestreo ambiental en semanas de diseño in silico y síntesis de alto rendimiento. La personalización de genomas de fagos bajo demanda también abre la puerta a la ingeniería de rasgos adicionales, como rangos de huéspedes más amplios o resistencia a las defensas bacterianas contra los fagos.
Riesgos y preguntas abiertas
El avance es aún incipiente. Todos los experimentos se han limitado a placas de Petri; no se han realizado modelos animales ni ensayos clínicos. Persisten las preocupaciones de seguridad: la introducción de virus sintéticos en pacientes o en el medio ambiente podría tener impactos ecológicos imprevistos. Los marcos regulatorios para los fagos modificados genéticamente aún están evolucionando, y el camino desde la eficacia de laboratorio hasta una terapia aprobada podría ser largo.
Además, aunque Evo 2 tuvo éxito con un fago relativamente simple y bien caracterizado como ΦX174, queda por ver si el modelo puede manejar genomas virales más grandes y complejos o diseñar fagos que deban navegar los sistemas inmunitarios bacterianos in vivo. El éxito actual puede reflejar el entrenamiento del modelo con abundantes datos de ΦX174 en lugar de una capacidad universal para generar cualquier virus desde cero.
Qué sigue
El equipo de Stanford probará los 16 fagos líderes contra cepas de E. coli clínicamente relevantes, incluidas aquellas resistentes a múltiples antibióticos. Trabajos paralelos explorarán si se puede inducir a Evo 2 a diseñar fagos para otras bacterias problemáticas, como Klebsiella o Pseudomonas. Escalar la síntesis —de unos pocos cientos de candidatos a miles— también será una prioridad, ya que bibliotecas más grandes podrían revelar virus aún más potentes o de acción más amplia.
Más allá de la fagoterapia, la metodología podría reutilizarse para otros objetivos de bioingeniería: diseñar enzimas para la química industrial, crear vías metabólicas sintéticas o incluso construir nuevos vectores de vacunas. La capacidad de Evo 2 para generar secuencias de ADN funcionales apunta hacia un futuro en el que el "código" se convierta en un lenguaje de diseño universal para los sistemas vivos.
Conclusión
El modelo Evo 2 de Stanford ha convertido una predicción computacional en una herramienta antimicrobiana viva, demostrando que la biología de novo impulsada por IA puede producir virus funcionales capaces de eliminar un patógeno importante. La prueba de concepto reduce la brecha entre el diseño digital y las terapias del mundo real, pero deben resolverse los desafíos de seguridad, regulatorios y de escalabilidad antes de que los fagos sintéticos se conviertan en una parte rutinaria del arsenal antimicrobiano.