Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Diseñar un virus para que cace una bacteria concreta ya no pertenece solo al laboratorio clásico.
Un equipo del Instituto Arc de Palo Alto y de la Universidad de Stanford ha usado los modelos de lenguaje genómico Evo 1 y Evo 2 para crear bacteriófagos capaces de destruir cepas de E. coli resistentes a virus naturales. El trabajo aparece en Science y se apoya en el estudio del virus Phi X-174 junto a unos 15.000 virus emparentados.
El modelo generó cientos de miles de variantes y solo unas pocas funcionaron
Primero llegó la avalancha computacional y después el filtro de la biología. El modelo Evo produjo cerca de 700.000 versiones posibles de estos virus, pero el equipo solo fabricó el ADN de casi 300 candidatos para comprobar en el laboratorio cuáles podían hacer algo más que parecer prometedores sobre el papel.
Al final, 16 virus lograron multiplicarse, infectar y destruir las cepas de E. coli para las que habían sido diseñados.
La cifra parece modesta si se compara con el volumen inicial, aunque cuenta una historia distinta cuando se mira desde el banco de pruebas. Entre cientos de miles de diseños virtuales y unos pocos centenares fabricados, esos 16 casos marcan el punto en que una secuencia generada por un modelo pasa a comportarse como un agente biológico real.
Brian Hie explicó por qué el equipo recortó el terreno de juego
Había una frontera que el grupo no quiso cruzar. Los investigadores excluyeron de los datos cualquier virus capaz de infectar a seres humanos, animales, plantas u hongos, una decisión que limita el experimento a bacteriófagos y reduce el riesgo de trabajar con genomas que pudieran abrir problemas mucho más serios.
"Solo queríamos ser extremadamente cuidadosos". - Brian Hie, autor del estudio
Esa cautela no aparece como un detalle administrativo, sino como parte central del experimento. Cuando una herramienta aprende patrones genéticos y luego propone nuevas combinaciones, la pregunta técnica convive desde el primer minuto con otra bastante más incómoda, la de qué material biológico merece siquiera entrar en el entrenamiento.
Samuel King, investigador del equipo, situó la creación de virus como “el siguiente paso obvio” dentro de esta línea de trabajo.
La discusión ya no gira solo en torno a si puede hacerse
Lo llamativo aquí no es únicamente que un modelo redacte texto o prediga imágenes, sino que opere sobre secuencias genéticas con consecuencias físicas. Ese salto conecta con otros intentos de aplicar IA para hallar fármacos, aunque en este caso el resultado no es una hipótesis terapéutica sino un virus construido para atacar bacterias concretas.
Inglesby y Hanke, firmantes del análisis que acompaña al estudio, llevan esa discusión al terreno de la supervisión social. Para ellos, la cuestión ya no es si existirá el diseño generativo de genomas víricos, sino si la sociedad será capaz de levantar controles que permitan aprovechar sus beneficios sin facilitar daños graves.
Visto así, el dato más incómodo no son los 700.000 diseños ni tampoco los 16 que funcionaron, sino la distancia entre ambas cifras. En ese hueco caben el ensayo y error, la promesa terapéutica y también la necesidad de decidir, con mucho detalle, qué clase de virus queremos enseñar a una máquina a imaginar.