Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Diseñar un virus completo con inteligencia artificial ya no es una hipótesis de laboratorio.
Un trabajo publicado en Science por investigadores de la Universidad de Stanford, con Samuel H. King como autor principal, describe la creación de 16 nuevos bacteriófagos capaces de atacar a la bacteria Escherichia coli C. Para lograrlo utilizaron los modelos de lenguaje genómico Evo 1 y Evo 2, una idea que desplaza la IA desde el análisis de secuencias hacia la escritura de genomas enteros.
Solo 16 genomas funcionaron y ahí aparece la primera tensión
Jordi García Ojalvo, catedrático de Biología de Sistemas en la Universitat Pompeu Fabra, puso el dedo en la cifra que enfría cualquier entusiasmo automático. El sistema, dijo, es ineficiente porque apenas obtuvieron 16 virus a partir de 300 genomas, una proporción modesta para un experimento que aun así demuestra que el salto del cálculo a la biología ya ha ocurrido.
La escena recuerda a una cerradura con cientos de llaves probadas una por una. Muchas no giran, pero basta con que unas pocas abran para que cambie la conversación.
Ese matiz importa porque el propio García Ojalvo también rebajó una parte del temor. A su juicio, el peligro aquí es menor que en los grandes modelos de lenguaje de IA tradicionales, ya que cada genoma diseñado debe probarse después en el laboratorio de manera individual.
Stanford limitó el experimento para no cruzar otra frontera
El trabajo se realizó con variantes del virus ɸX174 dentro de una cabina de bioseguridad esterilizada periódicamente con etanol al 70 %, lejía al 10 % y tratamiento con rayos ultravioleta. Además, los autores excluyeron deliberadamente de los datos de entrenamiento todos los virus capaces de atacar células, incluidos los patógenos para seres humanos.
Ahí encaja también las alertas por bioseguridad que acompañan a este tipo de ensayos. Los propios autores advirtieron de que la creciente accesibilidad a esta infraestructura hace cada vez más posibles los usos malintencionados.
"Solo debería llevarse a cabo tras una revisión minuciosa y deliberaciones con otros investigadores y expertos en bioseguridad, biocontención y bioprotección, así como respetando todas las estructuras de gobernanza y mejores prácticas actuales y futuras" - autores del estudio
No es una advertencia menor ni una nota al margen. Cuando una herramienta empieza a generar instrucciones biológicas funcionales, la cuestión deja de ser solo qué puede hacer y pasa a ser quién decide dónde poner el límite.
La utilidad médica aparece junto al riesgo de diseñar afinidades biológicas
Víctor de Lorenzo, profesor de investigación del CSIC en el Centro Nacional de Biotecnología, señaló que extender esta estrategia al diseño de virus que ataquen células abriría oportunidades como la creación de virus oncolíticos muy específicos contra células cancerosas. En la misma frase, o casi, asoma el reverso del avance.
De Lorenzo alertó de escenarios preocupantes, entre ellos la creación de virus con afinidad selectiva por determinados tipos celulares, tejidos o incluso grupos de población. Esa posibilidad convierte una técnica prometedora en un problema de precisión peligrosa, como si el mismo mapa sirviera tanto para encontrar un hospital como para elegir una diana.
La pregunta ya no es solo biológica.
La gobernanza todavía no acompaña a la capacidad técnica
En la misma revista apareció un tercer trabajo firmado por Thomas V. Inglesby y Moritz S. Hanke sobre la gobernanza de la inteligencia artificial generativa en biología. Ambos autores observaron que la capacidad de componer genomas virales con IA generativa ya existe, pero que aún no existe la gobernanza necesaria para gestionarla con seguridad.
"La genómica generativa rompe esta lógica porque las alteraciones genéticas que crea son impredecibles" - Thomas V. Inglesby y Moritz S. Hanke, autores del trabajo sobre gobernanza
Esa idea conecta con una vacuna universal contra coronavirus diseñada también con ayuda de IA, aunque en un terreno muy distinto. La diferencia aquí es que no se trata de predecir una proteína o buscar una molécula, sino de proponer cambios genéticos cuyo comportamiento no se puede anticipar por completo.
Inglesby y Hanke formularon la duda de fondo con una pregunta que no pertenece solo a los laboratorios. Si la sociedad será capaz de establecer un sistema de supervisión que permita aprovechar los beneficios de esta técnica y, al mismo tiempo, evitar daños graves.
Entre 300 genomas probados y 16 virus viables, la cifra pequeña no tranquiliza tanto como parece.