Investigadores de Stanford han usado modelos de inteligencia artificial genómica, entre ellos Evo 2, para diseñar bacteriófagos funcionales capaces de infectar E. coli. AI News recoge que el equipo sintetizó cerca de 300 candidatos generados por el modelo y que las pruebas de laboratorio redujeron el grupo a 16 fagos con actividad especialmente fuerte contra la bacteria. Wired, The Guardian y otros medios han tratado el avance como un hito en biología sintética, con promesa médica y dudas de bioseguridad.
Los bacteriófagos son virus que infectan bacterias, no células humanas. El trabajo se centró en la familia ΦX174, un sistema compacto y manejable para comprobar si un modelo podía proponer genomas enteros viables. El equipo, liderado por Brian Hie y con Samuel King al frente de parte del trabajo experimental, no se limitó a sugerir pequeñas mutaciones. Generó secuencias completas que después fueron filtradas, sintetizadas y probadas.
La diferencia científica está en pasar de usar IA para editar piezas de ADN a emplearla para diseñar genomas funcionales completos.
Según la explicación del Arc Institute, los 16 fagos funcionales mantuvieron especificidad hacia cepas concretas de E. coli usadas en el experimento y no crecieron en varias cepas adicionales probadas. Ese dato es importante porque matiza el riesgo inmediato. El estudio no creó virus humanos, animales o vegetales. Trabajó con fagos bacterianos y bajo condiciones de laboratorio. Aun así, la capacidad técnica abre una discusión más amplia.
El interés médico viene de la resistencia antimicrobiana. Las bacterias pueden volverse resistentes a antibióticos y también a fagos individuales. Un cóctel con varios fagos genéticamente distintos puede dificultar esa evasión. AI News señala que una mezcla de los 16 fagos seleccionados logró superar resistencia en E. coli inmune al ΦX174 natural. Si este enfoque escala a bacterias clínicas más relevantes, podría apoyar nuevas terapias frente a infecciones resistentes.
El salto no será inmediato. Diseñar fagos contra patógenos humanos exige más controles, ensayos, regulación y evidencia de seguridad. También hace falta entender cómo se comportan en organismos vivos, cómo interactúan con microbiomas y qué respuesta inmunitaria provocan. El laboratorio demuestra viabilidad técnica en un sistema concreto. La medicina exige otra escala de prueba.
El avance es prometedor porque muestra una nueva herramienta de diseño, pero su valor real dependerá de controles biológicos, regulatorios y de fabricación.
La bioseguridad es la parte más delicada. Varios expertos citados por medios internacionales advierten de que modelos capaces de diseñar genomas podrían ser mal utilizados si se entrenan o aplican sobre patógenos peligrosos. Otros investigadores recuerdan que hoy sigue siendo más fácil modificar organismos conocidos que crear amenazas nuevas desde cero. Ambas cosas pueden ser ciertas. El riesgo inmediato puede ser limitado y, al mismo tiempo, la trayectoria tecnológica exigir supervisión temprana.
La gobernanza probablemente no dependerá solo de restringir modelos. También será clave controlar síntesis de ADN, laboratorios, cadenas de pedido, revisión de secuencias y publicación responsable de métodos. En biología, el archivo digital y el material físico se encuentran en el momento de fabricar una molécula. Ahí puede estar una de las barreras más efectivas.
Para empresas de biotecnología, farmacéuticas y deep tech, el mensaje es potente. Los modelos genómicos pueden acelerar el diseño experimental y reducir búsquedas manuales. Pero cada mejora en creatividad artificial debe ir acompañada de trazabilidad, evaluación externa y límites operativos. La confianza será tan importante como el rendimiento.
Stanford y Arc han colocado la IA generativa en una frontera nueva: no solo escribir texto o código, sino proponer instrucciones biológicas que funcionan en el laboratorio. Es un avance de alto valor científico. También es una advertencia temprana de que la economía de la IA se está moviendo hacia dominios donde los errores no se corrigen con un simple parche de software.
