⏱️ Lectura: 12 min
Un modelo de inteligencia artificial escribió, letra por letra, el ADN completo de un virus, y ese virus funcionó. Arc Institute anunció que su modelo genómico Evo generó los genomas de decenas de bacteriófagos candidatos y que, tras sintetizarlos y probarlos en laboratorio, 16 resultaron viables: infectaron bacterias reales y se replicaron dentro de ellas.
📑 En este artículo
La noticia, reportada por Wired, no habla de un virus humano ni de un arma biológica: son bacteriófagos, virus que solo atacan bacterias. Es uno de los primeros casos de virus diseñados con IA que funcionan fuera del papel, y marca un cambio de categoría: pasar de una IA que predice estructuras biológicas existentes a una IA que diseña organismos completos desde cero.
TL;DR
- Arc Institute generó con IA el genoma completo de virus diseñados con IA: 16 bacteriófagos resultaron funcionales, según Wired.
- El modelo usado, Evo, trata el ADN como lenguaje: predice la siguiente base (A, T, C o G) igual que un LLM predice la siguiente palabra.
- Los virus generados son bacteriófagos que infectan E. coli, no patógenos humanos: un sistema de prueba históricamente seguro en biología.
- phiX174, el primer genoma jamás secuenciado (1977), es del mismo tipo de bacteriófago pequeño usado como referencia en estos experimentos.
- El proceso completo: generar la secuencia con IA, sintetizar el ADN por encargo, insertarlo en bacterias y confirmar que el fago infecta y se replica.
- El caso reabre el debate de bioseguridad: los proveedores de síntesis de ADN examinan pedidos para bloquear secuencias de patógenos conocidos.
- Evo es un proyecto de código abierto: su código y pesos están disponibles públicamente para investigación en GitHub y Hugging Face.
Qué pasó
El experimento parte de Evo, un modelo de lenguaje entrenado no con texto sino con secuencias de ADN de bacterias, arqueas y virus. En lugar de predecir la siguiente palabra de una oración, Evo predice la siguiente base nitrogenada (A, T, C o G) de una cadena genética. Ese mecanismo le permite generar, base por base, una secuencia de ADN completa y coherente, del mismo modo que un modelo de texto genera un párrafo entero.
El equipo de Arc Institute usó Evo para generar el genoma completo de bacteriófagos, virus con genomas pequeños (miles de bases, no millones) que infectan bacterias como Escherichia coli. De un conjunto de secuencias generadas por el modelo, los investigadores sintetizaron las más prometedoras como ADN físico, las insertaron en bacterias y observaron cuáles lograban producir partículas virales capaces de infectar y matar a su huésped. Dieciséis de esos genomas diseñados por IA resultaron funcionales. Arc Institute describe el resultado como una de las primeras demostraciones de virus diseñados con IA que se comportan como virus reales en el laboratorio, no solo como secuencias plausibles en una pantalla.
💭 Clave: no es lo mismo diseñar una proteína (lo que hace AlphaFold) que diseñar un organismo completo. Un genoma viral funcional necesita que decenas de genes, promotores y señales de regulación encajen simultáneamente para que el virus se ensamble y se replique.
Contexto e historia
Los bacteriófagos llevan más de un siglo en el centro de la biología experimental porque son simples, seguros de manipular y rápidos de probar: un cultivo de bacterias en una placa de laboratorio muestra en horas si un fago infecta o no. Por eso phiX174, un bacteriófago con un genoma de apenas unas pocas miles de bases, fue el primer genoma completo jamás secuenciado, en 1977, por el equipo de Frederick Sanger. Medio siglo después, ese mismo tipo de virus pequeño y bien entendido es el que sirve de terreno de prueba para la primera generación de virus diseñados con IA.
Evo es la evolución de un linaje de modelos que arrancó en 2024 con Evo 1, entrenado sobre secuencias genómicas de procariotas (bacterias y arqueas) y algunos virus. Evo 2 amplió el entrenamiento a genomas de eucariotas, incluyendo fragmentos del genoma humano, para capturar patrones evolutivos compartidos entre especies muy distintas. La lógica es la misma que popularizó a los LLM de texto: cuantas más secuencias y más diversas ve el modelo durante el entrenamiento, mejor generaliza los patrones que hacen que una secuencia de ADN sea biológicamente válida en lugar de solo aleatoria.
El antecedente inmediato de este tipo de trabajo es AlphaFold, el sistema de DeepMind que predice la estructura tridimensional de una proteína a partir de su secuencia. AlphaFold lee biología: convierte una secuencia en una forma. Evo, en cambio, escribe biología: convierte una intención de diseño en una secuencia nueva que no existía antes. Ese salto, de predecir a generar, es el que convierte a estos modelos en una herramienta tan interesante como delicada.
Detalles técnicos y rendimiento
Un modelo genómico como Evo funciona con la misma arquitectura que sostiene a los LLM de texto: una red que procesa secuencias largas y aprende a predecir el siguiente token del contexto. La diferencia es el vocabulario: en vez de decenas de miles de palabras y subpalabras, el vocabulario de Evo tiene cuatro símbolos, A, T, C y G, más algunos tokens especiales de control. Generar un genoma completo significa hacer esa predicción, base por base, decenas de miles de veces seguidas sin perder la coherencia global de la secuencia.
El flujo de trabajo del experimento tiene cuatro pasos: generación computacional de candidatos, síntesis física del ADN, inserción en la bacteria huésped y verificación de infectividad en placa. Así se ve resumido:
flowchart TD
A["Evo genera secuencias candidatas"] --> B["Filtrado computacional por similitud a fagos conocidos"]
B --> C["Sintesis fisica del ADN por encargo"]
C --> D["Insercion del genoma en E. coli"]
D --> E{"Se forman particulas virales?"}
E -- "Si" --> F["Fago funcional: 16 casos confirmados"]
E -- "No" --> G["Candidato descartado"]En la práctica, esto se ve así conceptualmente al usar un modelo genómico para generar una secuencia (ejemplo simplificado, no apto para producción):
from evo2 import Evo2
modelo = Evo2("evo2_7b")
prompt_adn = "ATGAAACGCATTAGCACCACC" # fragmento inicial conocido
secuencia_generada, _ = modelo.generate(
prompt_seqs=[prompt_adn],
n_tokens=5000,
temperature=0.7,
)
print(secuencia_generada[0])Antes de sintetizar cualquier secuencia generada por un modelo así, el paso obligatorio es compararla contra bases de datos de patógenos conocidos. Un ejemplo real de esa verificación con herramientas estándar de bioinformática:
blastn -query candidato_fago.fasta \
-db nt \
-remote \
-outfmt "6 qseqid sseqid pident length evalue" \
-max_target_seqs 5Ese comando compara la secuencia generada contra la base de datos pública de GenBank y devuelve qué tan parecida es a organismos ya catalogados. Es, en esencia, la misma lógica de verificación que usan hoy los proveedores comerciales de síntesis de ADN antes de fabricar un encargo: si la secuencia se parece demasiado a un patógeno de la lista de control, el pedido se bloquea.
Cómo probarlo
Evo es un proyecto de código abierto. El repositorio y los pesos del modelo están publicados por Arc Institute para que otros laboratorios de investigación puedan reproducir el enfoque, entrenar variantes propias o usarlo como base para tareas más acotadas, como diseñar variantes de una proteína existente en lugar de un genoma completo. Correr la versión completa de Evo 2 requiere GPU con memoria considerable, pero existen versiones más chicas del modelo, con menos parámetros, pensadas para experimentar sin necesitar un clúster.
- Repositorio: el código de entrenamiento e inferencia está publicado en el GitHub de Arc Institute.
- Pesos del modelo: disponibles para descarga en Hugging Face bajo licencia de investigación.
- Requisito de hardware: los checkpoints grandes necesitan GPU con decenas de GB de VRAM; los checkpoints pequeños corren en una sola GPU de consumo.
💡 Tip: antes de correr inferencia local, revisá el repositorio oficial de Arc Institute: suelen publicar notebooks de ejemplo listos para correr en un entorno con GPU en la nube, sin instalar nada localmente.
Impacto y análisis
El resultado importa por dos razones opuestas para el futuro de los virus diseñados con IA. La primera es terapéutica: los bacteriófagos son una alternativa real a los antibióticos contra bacterias resistentes, y poder diseñar fagos a medida para atacar una cepa bacteriana específica acelera un campo, la terapia fágica, que hoy depende en gran parte de encontrar el fago correcto en la naturaleza por prueba y error. La segunda razón es de bioseguridad: si un modelo puede generar el genoma completo de un virus funcional partiendo de patrones aprendidos, la pregunta inevitable es qué tan lejos está esa misma capacidad de aplicarse a organismos peligrosos para humanos.
| Enfoque de diseño biológico | Cuándo se usa | Ventaja | Limitación |
|---|---|---|---|
| Ingeniería genética clásica | Modificar un gen puntual en un organismo existente | Predecible, décadas de práctica | No genera organismos nuevos desde cero |
| Biología sintética dirigida | Ensamblar circuitos genéticos con piezas conocidas | Control fino sobre cada componente | Requiere diseño manual experto, lento |
| Modelos generativos como Evo | Explorar variantes o genomas completos a gran escala | Genera miles de candidatos en horas | La mayoría de candidatos no son viables; exige validación en laboratorio |
Los organismos que administran el registro de patógenos y los proveedores de síntesis de ADN llevan años trabajando con listas de secuencias controladas para bloquear pedidos que coincidan con agentes peligrosos conocidos. El problema con un modelo generativo es que puede producir una secuencia funcionalmente parecida a un patógeno sin ser textualmente idéntica a ninguna entrada de esa lista, lo que complica el filtrado automático basado en coincidencia de secuencia.
⚠️ Ojo: los bacteriófagos usados en este experimento no infectan humanos y llevan más de cien años siendo el organismo de prueba más seguro de la microbiología. El debate de bioseguridad es sobre la trayectoria de la capacidad, no sobre un riesgo inmediato de este experimento puntual.
Qué sigue
El paso lógico siguiente para este tipo de investigación es escalar de fagos de unas pocas miles de bases a genomas virales más grandes y complejos, siempre dentro de organismos no patógenos para humanos, y perfeccionar los filtros de bioseguridad que corren antes de la síntesis. En paralelo, es esperable que reguladores y proveedores de ADN sintético revisen sus protocolos de screening para incorporar detección basada en similitud funcional y no solo en coincidencia exacta de secuencia, precisamente por el tipo de caso que este experimento pone sobre la mesa.
Para la terapia fágica, el camino inmediato es probar si fagos diseñados por IA pueden apuntar a cepas bacterianas resistentes a antibióticos con más precisión que los fagos aislados de ambientes naturales como aguas residuales, que es como se descubre la mayoría de los fagos terapéuticos hoy.
Un límite real de este trabajo: los 16 fagos confirmados como funcionales tienen genomas de apenas miles de bases, órdenes de magnitud más simples que un virus con capacidad de infectar humanos, que además necesita maquinaria para evadir un sistema inmune complejo. Pasar de diseñar un fago que infecta E. coli en una placa a diseñar un patógeno humano viable no es un paso incremental, es un salto de complejidad biológica enorme. Eso no elimina la preocupación de fondo, pero sí acota la lectura sensacionalista del titular.
📖 Resumen en Telegram: Ver resumen
Probalo vos: entrá al repositorio de Arc Institute en GitHub y mirá los notebooks de ejemplo para generar tu primera secuencia de ADN con un modelo genómico abierto.
Preguntas frecuentes
¿Qué es un bacteriófago?
Es un virus que infecta exclusivamente bacterias, no células humanas ni animales. Se usan hace más de un siglo como sistema de estudio en microbiología por ser simples y seguros de manipular en laboratorio.
¿Evo diseñó también virus que puedan infectar humanos?
No. El experimento reportado por Wired se limitó a bacteriófagos que infectan E. coli, un organismo modelo estándar en biología, sin relación con patógenos humanos.
¿Cómo se diferencia Evo de AlphaFold?
AlphaFold predice la forma tridimensional de una proteína a partir de su secuencia. Evo genera secuencias de ADN completas y nuevas, incluyendo genomas enteros, en lugar de solo predecir estructuras de secuencias existentes.
¿Es peligroso que exista esta tecnología?
El riesgo depende de la escala: generar un fago pequeño no es lo mismo que diseñar un patógeno humano completo, pero la comunidad de bioseguridad sí pide reforzar el filtrado de pedidos de síntesis de ADN frente a modelos generativos.
¿Puedo usar Evo yo mismo?
Sí, el modelo es de código abierto y su código está publicado por Arc Institute, aunque correr la versión completa requiere GPU con memoria considerable.
¿Qué aplicación práctica tiene diseñar fagos con IA?
La terapia fágica: usar virus específicos para eliminar bacterias resistentes a antibióticos, una alternativa cada vez más estudiada frente al aumento de resistencia bacteriana.
Referencias
- Wired: la cobertura original del experimento con Evo y los 16 bacteriófagos funcionales.
- Arc Institute: organización de investigación que desarrolló el modelo genómico Evo.
- Wikipedia: Bacteriophage: contexto general sobre qué son los bacteriófagos y cómo se usan en investigación.
- Wikipedia: PhiX174: historia del primer genoma completo jamás secuenciado, en 1977.
- GitHub de Arc Institute: repositorio de código abierto del proyecto Evo.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
Imagen destacada: Foto de Logan Voss en Unsplash
0 Comentarios