Ir al contenido 
Los modelos de IA llevan mucho tiempo utilizándose en el campo de la biología sintética 🧪. Los científicos se han apoyado en ella para diseñar secuencias de ADN 🧬, proteínas o incluso moléculas más complejas. Pero diseñar un genoma completo, con sus enrevesadas interacciones y secuencias regulatorias, son palabras mayores 🥵. Sin embargo, un nuevo estudio de la Universidad de Stanford parece haber logrado justo esto. Según la investigación, han logrado crear virus diseñados por la IA 🦠, un hito contra las bacterias resistentes que abre posibilidades muy interesantes para combatirlas.
¿Cómo han conseguido esto? Vamos a verlo en detalle 👇.
Un hallazgo basado en la IA: ¿cómo funciona en biología sintética?
Los modelos de IA utilizados en esta investigación se conocen como “Evo 1” y “Evo 2”, y son modelos capaces de analizar 🔍 y diseñar ADN, ARN y proteínas. Estos modelos fueron diseñados para estudiar de manera autónoma millones de organismos, sin intervención de investigadores ni indicaciones previas 🤯. Evo 2, la versión más reciente, es capaz de analizar fragmentos de hasta un millón de bases a la vez, llegando incluso a estudiar relaciones funcionales a lo largo de grandes regiones del genoma 🧬. Con este análisis, Evo 2 es capaz de:
- 🔍Predecir el efecto de mutaciones y la función de regiones genéticas.
- 🧬Generar de manera autónoma nuevas secuencias de ADN biológicamente realistas.
- 🎯Crear elementos funcionales reales del ADN, como exones, regiones reguladoras o estructuras de proteínas, sin haber sido entrenado explícitamente para ello.
Con estas capacidades, los modelos de IA como Evo 1 y 2 son ideales para estudiar la evolución de genomas, identificar patrones o distinciones entre especies y generar hipótesis de funciones genéticas solo a partir de los datos de secuencias. Estas habilidades las convierten en las herramientas potentísimas para estudios de biología sintética como el de Stanford.
¿Cómo las aplicaron para el diseño de virus 🤔?
La IA que diseña virus funcionales: ¿cómo lo han logrado?
Las capacidades de analizar y generar ADN, ARN 🧬 y proteínas de los modelos Evo los convierten en la herramienta perfecta 🛠️ para afrontar uno de los retos más importantes de la investigación en salud actuales: las resistencias bacterianas 🦠.
El problema: la resistencia a antibióticos
La forma actual de tratar infecciones está en una crisis sin precedentes 🚨, impulsada por el uso excesivo e inadecuado de antibióticos, la interrupción prematura de tratamientos 💊 y la capacidad de las bacterias para adquirir y compartir genes de resistencia 🧬. Como resultado, los antibióticos actuales están fallando con mayor frecuencia, dejándonos sin opciones para combatir infecciones hasta ahora fácilmente tratables 🚩. Según algunas fuentes, estas resistencias podrían llegar a superar al cáncer en términos de muertes anuales en 2050 si no se actúa urgentemente ⚠️.
En este sentido, una de las vías más explotadas en investigación es el desarrollo de bacteriófagos, virus que son capaces de infectar y matar bacterias 🦠. Hasta ahora, las investigaciones se basaban en la búsqueda manual de fagos que interaccionasen con la bacteria diana 🎯. Esta laboriosa tarea demanda mucho tiempo, y sin duda los sistemas de IA pueden ayudar a optimizar mucho estos procesos 📈.
Evo 1 y 2 en el diseño de bacteriófagos
En este trabajo de la Universidad de Stanford, los investigadores utilizaron los sistemas Evo 1 y 2 para ayudar con esta tarea. Lo hicieron de la siguiente manera:
- Mediante el método de aprendizaje supervisado, los investigadores entrenaron a la IA para generar virus basados en ΦX174 🦠, un virus monocatenario de ADN que contiene todos los elementos necesarios para infectar huéspedes y replicarse en ellos.
- De las miles de secuencias generadas por la IA, ahora les tocaba a los investigadores evaluar la viabilidad de las opciones 🔬. Encontraron 302 bacteriófagos viables y evaluaron su capacidad real de infectar y matar cepas de Escherichia coli 🧫.
- De las 302 secuencias viables, 16 resultaron ser eficientes en la infección y eliminación de E. coli, incluso aquellas con resistencias a antibióticos 🤯.
- Además, los investigadores observaron que, combinando algunos de estos fagos diseñados por la IA, conseguían eliminar tres cepas diferentes de E. coli que ΦX174 no era capaz de matar 🚀.
El trabajo lo han publicado en formato preprint en bioRxiv, por lo que aún no ha sido revisado por pares. Sin embargo, el informe ya publicado acerca a la IA a la posibilidad de colaborar en investigaciones de manera autónoma. Su futuro rol en el diseño de herramientas biotecnológicas y opciones terapéuticas es cada vez más prometedor 🚀.
“Este estudio ofrece un caso práctico convincente de lo que es posible hoy en día y sienta las bases para aplicaciones más ambiciosas en el futuro.”
Brian Hie, biólogo computacional en la Universidad de Stanford, autor principal del estudio.
Implicaciones y preocupaciones
Ante un avance tecnológico de tal calibre, surgen muchas preguntas y preocupaciones 🤔. Sin duda, una de las primeras que nos viene a la cabeza son las implicaciones de bioseguridad ☢️ y las cuestiones éticas. En este estudio, estos aspectos cobran especial importancia, sobre todo al estar hablando de la potencial capacidad de la IA de diseñar virus de manera autónoma que pueden dañar a los humanos 😷.
Respondiendo a esta preocupación, los investigadores del estudio dicen haber excluido de los modelos Evo todos los virus que afecten a los eucariotas 🦠. El fago utilizado en este estudio, ΦX174, tampoco es patogénico y ha sido ampliamente utilizado en investigación 🔬.
Sin embargo, la pregunta y las preocupaciones a las que hacer frente siguen ahí. En un mundo donde la IA va a tomar más protagonismo en este tipo de trabajos 🔬, es imprescindible que la legislación garantice la bioseguridad ☢️. Medidas como crear comités de seguridad 👥 que supervisen y aprueben proyectos en los que se involucre la IA garantizarían el buen desarrollo de dichos proyectos. Además, los programas de IA deben asegurar la transparencia 📊 que se exige a cualquier otro trabajo de investigación. Solo con este tipo de medidas podemos asegurar que los avances científicos impulsados por la IA se desarrollen de forma ética, segura y en beneficio de toda la sociedad 🚀.
La precaución y el progreso
A pesar de estas inquietudes, no estamos enfrentándonos a una situación nueva. A lo largo de la historia, cada avance tecnológico ha venido acompañado de dilemas similares 🤔: desde la energía nuclear hasta la manipulación genética 🧬, siempre ha existido un potencial tanto para el bien como para el mal ⚖️. La IA no es una excepción. Por eso, más que temerla, debemos entenderla, regularla y entrenarla con responsabilidad. La clave no está en frenar el progreso, sino en asegurarnos de que avance en la dirección correcta 🎯.
“Este problema, conocido como el dilema del doble uso, no es exclusivo de la IA, sino que siempre ha sido motivo de preocupación en biología. No hay nada específico sobre la IA, y siempre se puede utilizar el progreso para bien o para mal.”
Kerstin Göpfrich, biofísica y bióloga sintética de la Universidad de Heidelberg.
Aunque el planteamiento de este mundo en el que la IA puede llevar a cabo investigaciones por su cuenta es muy temprano, nos invita a empezar a plantearnos preguntas. ¿Qué implicaciones tendría que la IA pudiera llevar a cabo investigaciones por su cuenta 🔬? ¿Hasta qué niveles afectaría la labor de los científicos 🧪? ¿Hay más riesgos o beneficios 🧐? Sin duda, aún quedan muchas cuestiones por responder.
