Investigadores de Stanford y el Arc Institute utilizaron modelos de inteligencia artificial para generar genomas completos de bacteriófagos. Después de llevar cientos de esos diseños del ordenador al laboratorio, 16 produjeron virus capaces de infectar bacterias E. coli. Es la primera demostración publicada de genomas virales completos diseñados generativamente por IA que dan lugar a bacteriófagos viables, un avance con posibilidades médicas importantes y preguntas inevitables sobre bioseguridad.
Durante los últimos años hemos visto inteligencias artificiales capaces de generar texto, imágenes, música, vídeo y código informático.
Ahora la frontera empieza a desplazarse hacia algo mucho más fundamental: el código de la vida.
Un equipo formado por investigadores de Stanford University, Arc Institute, Broad Institute y otras instituciones utilizó los modelos genómicos Evo 1 y Evo 2 para diseñar secuencias completas de ADN correspondientes a nuevos bacteriófagos.
No se limitaron a modificar unas cuantas letras de un virus conocido.
Los modelos generaron genomas completos, que posteriormente fueron sintetizados y llevados al laboratorio para comprobar si realmente podían producir virus funcionales.
El resultado, publicado el 6 de agosto de 2026 en la revista Science, fue contundente: 16 diseños dieron lugar a bacteriófagos viables.
Pero hay una diferencia fundamental: estos virus no infectan a seres humanos
Antes de continuar es importante aclarar probablemente el punto más relevante de toda la investigación.
Los científicos no utilizaron inteligencia artificial para crear un virus humano.
Trabajaron con bacteriófagos, una categoría de virus especializada en infectar bacterias.
El organismo utilizado como objetivo fue Escherichia coli, y el punto de partida para los diseños fue el bacteriófago ΦX174, uno de los virus mejor estudiados de la historia de la biología molecular.
ΦX174 también tiene otra característica que lo convertía en un candidato especialmente apropiado: su genoma es extremadamente pequeño.
Tiene menos de 6.000 pares de bases.
Como comparación, el genoma humano contiene aproximadamente 3.000 millones.
Era, por tanto, un sistema suficientemente sencillo para comprobar una pregunta mucho más ambiciosa:
¿puede una inteligencia artificial aprender las reglas necesarias para escribir un genoma viral completo que realmente funcione?
Evo 2 no funciona como ChatGPT, pero la idea detrás de ambos sistemas resulta familiar
Los modelos utilizados pertenecen a una familia conocida como modelos de lenguaje genómico.
Un modelo lingüístico aprende patrones existentes entre palabras y posteriormente utiliza esas relaciones para predecir qué elementos podrían aparecer a continuación.
Evo trabaja con otra clase de lenguaje.
Su vocabulario está formado por las letras que constituyen el ADN.
Al entrenarse con enormes cantidades de información genética, estos modelos aprenden regularidades presentes en genes y genomas y pueden posteriormente generar nuevas secuencias biológicamente plausibles.
El equipo utilizó Evo 1 y Evo 2 para producir diseños inspirados en ΦX174, pero con suficiente diversidad genética como para explorar regiones que la evolución natural conocida no había recorrido exactamente de la misma manera.
Y aquí aparece el salto importante.
Hasta ahora estos modelos habían demostrado capacidades impresionantes dentro de una computadora.
Esta vez sus resultados tuvieron que enfrentarse al juez definitivo:
la biología real.
La IA produjo una enorme cantidad de candidatos, pero la mayoría no funcionó
El experimento también demuestra que generar ADN plausible no significa automáticamente crear vida viral funcional.
Los modelos produjeron una enorme colección inicial de secuencias candidatas. Después de aplicar diferentes filtros computacionales, los investigadores seleccionaron unos cientos de diseños para llevarlos al laboratorio.
De ellos, pudieron sintetizar 285 secuencias.
La enorme mayoría no produjo un virus funcional.
Pero 16 sí lo hicieron.
Esto coloca el resultado en perspectiva.
La inteligencia artificial todavía no dispone de una especie de botón capaz de decir “crea un virus funcional” y obtener siempre uno.
Existe un enorme proceso de generación, selección, síntesis y validación experimental.
Sin embargo, esos 16 casos son suficientes para demostrar algo que hasta ahora no estaba comprobado:
un modelo generativo puede escribir un genoma viral completo capaz de convertirse posteriormente en una entidad biológica funcional.
Algunos diseños incluso superaron al virus natural utilizado como referencia
Los científicos no se limitaron a comprobar si los nuevos bacteriófagos podían existir.
También estudiaron cómo se comportaban.
Algunos de los diseños producidos mediante IA mostraron una aptitud superior a la del ΦX174 natural en determinadas condiciones experimentales. Stanford señala que algunos candidatos presentaron mayor fitness que el virus original utilizado como referencia.
Un análisis independiente de los resultados también destaca que tres variantes llegaron a superar al virus parental en determinadas pruebas.
Eso cambia considerablemente la interpretación del experimento.
La IA no se limitó a copiar algo que la naturaleza ya había construido.
Fue capaz de explorar variantes genéticas diferentes y encontrar algunas que seguían funcionando.
Incluso la microscopía crioelectrónica reveló una sorpresa: uno de los bacteriófagos generados utilizaba dentro de su cápside una proteína de empaquetamiento de ADN evolutivamente distante de la utilizada habitualmente por ΦX174.
Es una señal de que estos modelos pueden navegar por espacios genéticos que serían extraordinariamente difíciles de explorar manualmente.
El objetivo médico es especialmente interesante: combatir bacterias resistentes
Los bacteriófagos llevan décadas estudiándose como una posible alternativa o complemento de los antibióticos.
La idea es relativamente sencilla.
Si existe un virus especializado en infectar una bacteria determinada, podemos intentar utilizarlo para destruir una infección bacteriana sin atacar directamente nuestras propias células.
El problema es que las bacterias evolucionan.
De la misma manera que pueden adquirir resistencia a un antibiótico, también pueden desarrollar mecanismos para escapar de determinados bacteriófagos.
Ahí es donde la capacidad generativa de la IA podría cambiar las reglas.
Los investigadores combinaron varios de los fagos creados mediante inteligencia artificial y los enfrentaron a cepas de E. coli que habían desarrollado resistencia al ΦX174 original.
El cóctel de virus diseñados por IA consiguió superar rápidamente esa resistencia.
Eso abre una posibilidad fascinante.
En lugar de buscar durante meses un bacteriófago adecuado en la naturaleza, algún día podríamos diseñar nuevas variantes específicamente adaptadas a una bacteria resistente.
La misma capacidad que podría crear nuevos tratamientos también plantea un problema evidente
El experimento tiene una doble lectura.
Por un lado, demuestra una herramienta potencialmente extraordinaria para biotecnología y medicina.
Por otro, demuestra que los modelos generativos están comenzando a adquirir capacidad para diseñar sistemas biológicos completos.
Expertos externos han señalado precisamente esta tensión.
Simon Clarke, especialista en microbiología celular de la University of Reading, considera que el trabajo demuestra que la tecnología puede producir virus viables que no existen de esa forma en la naturaleza, algo que inevitablemente plantea preguntas sobre regulación y seguridad.
Otros especialistas consultados tras la publicación han pedido combinar el desarrollo de estos modelos con medidas de seguridad en diferentes niveles, incluyendo controles sobre la síntesis comercial de ADN.
La preocupación no significa que Evo 2 pueda utilizarse directamente para generar cualquier patógeno imaginable.
Existe una distancia enorme entre producir un pequeño bacteriófago experimental y diseñar un virus complejo capaz de infectar seres humanos.
Pero el experimento demuestra que una parte del proceso que anteriormente dependía enormemente de diseño humano y experimentación puede empezar a automatizarse.
Los propios investigadores introdujeron barreras para limitar el riesgo
La seguridad formó parte del diseño del proyecto.
Los modelos y conjuntos de datos empleados incorporaron restricciones destinadas a evitar determinados patógenos de humanos, animales y plantas, y los investigadores eligieron deliberadamente un bacteriófago como sistema experimental.
El equipo también defiende que los modelos biológicos pueden incorporar mecanismos de seguridad que la evolución natural evidentemente no posee.
Brian Hie, investigador principal del proyecto, plantea precisamente esta paradoja: herramientas como Evo pueden utilizarse para combatir patógenos naturales y, al mismo tiempo, permiten introducir controles sobre qué tipos de secuencias pueden generar.
Pero ninguna barrera tecnológica debería considerarse perfecta.
Y conforme estos sistemas mejoren, probablemente aumentará la importancia de combinar controles en los modelos con vigilancia de la síntesis de ADN y normas claras para los laboratorios que trabajan con organismos generados computacionalmente.
No estamos ante una IA creando vida desde cero
Existe otra precisión importante.
Los bacteriófagos dependen completamente de las células que infectan para reproducirse.
Además, los investigadores no pulsaron un botón y observaron cómo una secuencia digital se convertía espontáneamente en un virus.
Fue necesario sintetizar físicamente el ADN, introducirlo en sistemas biológicos y comprobar experimentalmente cuáles de los diseños eran viables.
Por tanto, describir el experimento como una inteligencia artificial que “creó vida” sería exagerado.
Lo que sí hizo fue algo mucho más concreto y científicamente significativo:
escribir el plano genético completo de nuevos virus que posteriormente funcionaron cuando fueron construidos y probados en el laboratorio.
La biología generativa acaba de demostrar que puede salir de la pantalla
Ese puede ser el verdadero punto de inflexión.
Las inteligencias artificiales generativas comenzaron produciendo información digital.
Primero texto.
Después imágenes, audio, vídeo, modelos tridimensionales y software.
La biología introduce una diferencia fundamental: su resultado puede convertirse en materia que se replica.
Por ahora hablamos de pequeños bacteriófagos, de un experimento cuidadosamente controlado y de apenas 16 diseños viables entre cientos que llegaron al laboratorio.
No estamos ante una IA capaz de diseñar arbitrariamente cualquier organismo ni ante evidencia de que pueda producir un patógeno humano nuevo.
Pero la frontera científica sí se ha movido.
Durante décadas aprendimos a leer genomas.
Después aprendimos a editarlos.
Ahora los modelos generativos están empezando a demostrar que también pueden escribirlos.
Y el momento realmente importante de este experimento no ocurrió cuando Evo produjo una secuencia de letras en una computadora.
Ocurrió después, cuando algunas de esas letras fueron sintetizadas, introducidas en el laboratorio y 16 de aquellos diseños digitales comenzaron a comportarse como virus reales.
Antony Reyes
Debe estar conectado para enviar un comentario.