La IA diseña desde cero 16 genomas virales funcionales: algunos superan a la naturaleza

De los diseños fabricados en el laboratorio, 16 dieron lugar a fagos capaces de replicarse, infectar y destruir Escherichia coli. Además, un cóctel formado por los fagos generados por IA logró frenar varias cepas bacterianas resistentes a fagos individuales .

De cientos de miles de diseños a 16 virus funcionales

Evo 2 es un modelo fundacional genómico entrenado con secuencias de ADN de bacterias, arqueas, plantas, animales y seres humanos. El sistema analiza el material genético a escala de un solo nucleótido, la unidad básica del ADN .

Para este experimento, el equipo ajustó Evo 1 y Evo 2 con genomas de bacteriófagos y los orientó a generar secuencias completas con una arquitectura genética plausible y capacidad de dirigirse a un huésped concreto . El proceso siguió una lógica de diseño, selección y prueba:

• Los modelos produjeron aproximadamente 700.000 genomas virales candidatos .
• Los filtros computacionales redujeron la lista a 302 diseños prometedores .
• De ellos, 285 fueron sintetizados químicamente —es decir, convertidos en ADN físico— y probados en E. coli .
• 16 de los 285 genomas sintetizados generaron fagos funcionales y replicantes, una tasa de éxito aproximada del 5,6 % .

El resultado ofrece el primer indicador cuantificable de “rendimiento productivo” para el diseño generativo de genomas completos . Aunque la mayoría de los diseños no funcionó, el hecho de que algunos genomas escritos por un modelo pudieran convertirse en organismos funcionales marca un cambio de escala para la biología sintética.

Algunos superaron al bacteriófago natural ΦX174

Los 16 fagos viables infectaron y lisaron —destruyeron— E. coli en placas de laboratorio, lo que demostró que podían replicarse, infectar células y provocar su ruptura .

Varios de los diseños superaron al bacteriófago natural de referencia, ΦX174, en comparaciones directas de velocidad de crecimiento y rapidez con la que eliminaban las bacterias . Algunos presentaban más de 50 cambios en sus aminoácidos frente al virus natural, una divergencia muy superior a la que normalmente producirían mutaciones aleatorias .

Uno de los fagos incluía, además, una proteína encargada de empaquetar el ADN que no se había observado en ningún organismo conocido de la Tierra . El hallazgo sugiere que estos modelos no se limitaron a copiar combinaciones existentes: pudieron explorar configuraciones biológicas alejadas de las registradas en la naturaleza.

Los virus creados en el estudio estaban diseñados para atacar E. coli y mostraron un tropismo restringido a una cepa de laboratorio, por lo que no se presentan como una amenaza para las personas .

Por qué podría importar frente a la resistencia a los antibióticos

Las bacterias resistentes a múltiples fármacos se adaptan con rapidez a los tratamientos convencionales. Los bacteriófagos ofrecen una vía distinta: en lugar de emplear un antibiótico, utilizan virus especializados para localizar y destruir bacterias.

El problema es que las bacterias también pueden desarrollar resistencia a un fago concreto. La respuesta habitual consiste en combinar varios fagos, de modo que la bacteria tenga que defenderse de diferentes mecanismos al mismo tiempo. En este estudio, el cóctel de los 16 fagos logró superar la resistencia en varias cepas de E. coli, incluidas variantes que habían adquirido inmunidad frente a fagos individuales .

La IA podría acelerar ese proceso: generar candidatos adaptados a un patógeno específico, probarlos y seleccionar combinaciones eficaces en ciclos mucho más rápidos. Por ahora, los resultados son de laboratorio y no constituyen un tratamiento aprobado para pacientes. Pero demuestran que los modelos de lenguaje genómico pueden producir virus funcionales y abren la puerta a prototipos de fagos terapéuticos para bacterias difíciles de tratar .

Brian Hie ha señalado que la capacidad de incorporar diversidad evolutiva podría ayudar a convertir la terapia con fagos en una alternativa más eficaz frente a algunas infecciones resistentes a los antibióticos .

La gran advertencia: la tecnología avanzó más rápido que las reglas

El avance también expone una brecha de gobernanza. En un comentario publicado junto al estudio en Science, Thomas Inglesby y Moritz Hanke, del Johns Hopkins Center for Health Security, escribieron: “Aunque esto resulta prometedor para las ciencias de la vida, también plantea preguntas urgentes de bioseguridad y seguridad biológica. La capacidad de componer genomas virales mediante IA ya existe; la gobernanza necesaria para garantizar que estas capacidades se utilicen de forma segura aún no” .

Una de las principales barreras actuales es el sistema de cribado del International Gene Synthesis Consortium, que compara los pedidos de ADN con secuencias conocidas de patógenos. Sin embargo, el sistema es voluntario, no una obligación legal general, y no fue diseñado para detectar secuencias completamente nuevas que no coincidan con ningún organismo natural .

El Arc Institute tomó medidas de precaución al excluir del entrenamiento de Evo 2 los virus eucariotas, incluidos los que infectan a seres humanos u otros animales . Aun así, los expertos advierten que métodos similares podrían utilizarse con fines maliciosos y que los genomas diseñados por IA podrían generarse con demasiada rapidez para que los sistemas actuales de vigilancia los identifiquen o bloqueen .

Un comentario de Nature planteó una preocupación parecida: las mismas herramientas creadas para acelerar el descubrimiento de fármacos también podrían reducir las barreras para producir nuevas amenazas biológicas .

La conclusión, por tanto, tiene dos caras. La IA acaba de demostrar que puede pasar de “predecir” biología a proponer genomas completos que funcionan. El siguiente desafío no es únicamente mejorar la tasa de éxito, sino establecer controles, supervisión y criterios de seguridad capaces de seguir el ritmo de esa capacidad.