Cuando un modelo de lenguaje conversa con humanos, predice la siguiente palabra. Cuando un modelo de genoma conversa con la biología, predice el siguiente nucleótido — y, a partir de ahí, puede esbozar genomas enteros que jamás han existido. Eso es precisamente lo que demostraron investigadores vinculados al Arc Institute y a la Universidad de Stanford al usar Evo, un modelo de fundación genómico, para diseñar bacteriófagos inéditos. El caso de prueba más célebre fue el ΦX174, un fago que infecta a la E. coli: el sistema generó secuencias completas y funcionales capaces de replicarse en el laboratorio. Dieciséis de esos virus diseñados resultaron viables y aptos para infectar bacterias — un hito que coloca a la inteligencia artificial generativa en el centro de la biología sintética.
La idea que hay detrás de estos modelos es elegante. Así como ChatGPT aprende patrones estadísticos a partir de billones de palabras, Evo y su sucesor Evo 2 fueron entrenados con billones de pares de bases de ADN que abarcan todos los dominios de la vida. En lugar de texto, aprenden la gramática de la evolución: cómo se organizan los genes, cómo se pliegan las proteínas y cómo los genomas enteros se vuelven viables. Publicado en Nature en 2026, Evo 2 amplió esta capacidad por encima de los 9 billones de bases, permitiendo modelar ADN, ARN y proteínas con resolución de un solo nucleótido. Es la diferencia entre memorizar palabras aisladas y dominar la sintaxis de un párrafo completo — solo que el párrafo es un cromosoma. Y así como los chatbots pueden ajustarse para tareas concretas, estos modelos pueden orientarse hacia determinados rasgos, como las proteínas de la superficie de un virus o el huésped que prefiere infectar.
La capacidad de generar genomas virales es, a la vez, una promesa y un dilema. El llamado problema del doble uso no es nuevo en biología, pero la IA lo acelera: la misma herramienta que puede diseñar un fago terapéutico para combatir bacterias resistentes a los antibióticos podría, en principio, usarse para reconstruir o potenciar patógenos de interés para actores hostiles. eso el debate sobre la bioseguridad ha recuperado urgencia. Los propios autores reconocen el riesgo y defienden la gobernanza: cribado de secuencias antes de la síntesis de ADN, revisión ética de los proyectos y políticas de acceso responsable al modelo abierto. En ese contexto, los debates internacionales empiezan a tratar los modelos de fundación biológica como infraestructura crítica, merecedores de una supervisión similar a la que se aplica a los laboratorios de alta contención.
Sin embargo, el lado constructivo es enorme. Los fagos diseñados abren la puerta a la fagoterapia — una alternativa real a los antibióticos ante la crisis de resistencia bacteriana. Además, los modelos de genoma ayudan a predecir cómo evolucionan los virus emergentes, aceleran el diseño de vacunas y profundizan nuestra comprensión de la historia evolutiva. Prepararse para la próxima pandemia no consiste solo en vigilar lo que existe, sino en anticipar lo que podría surgir.
La gobernanza, no obstante, sigue persiguiendo a la tecnología. Hoy no existe un consenso internacional claro sobre cómo regular la síntesis de genomas creados por IA, y gran parte de la regulación depende de normas voluntarias de las empresas de síntesis de ADN. La pregunta abierta es incómoda: cuando la barrera técnica para crear un virus deje de ser el cuello de botella, lo que nos proteja será una decisión humana — o descubriremos demasiado tarde el precio de no haberla tomado?
Fuentes: Ars Technica, Engadget, Olhar Digital, Nature (Evo 2), Arc Institute (Evo), bioRxiv (Evo phages)
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
