Biotecnología · asia
Dejar que la IA complete el experimento: AutoDNA conecta el diseño, la síntesis y la lectura del ADN
Un equipo de la Universidad Jiao Tong de Shanghái utiliza agentes de IA para coordinar más de 20 tipos de instrumentos y realizar demostraciones de almacenamiento y recuperación de información en ADN y detección de mutaciones relacionadas con el cáncer. Desde proponer protocolos hasta manipular reactivos, la automatización experimental da un paso adelante, aunque la reposición de consumibles y las reparaciones siguen dependiendo del personal.
Entre un protocolo experimental ya redactado y un resultado biológico fiable suelen mediar el pipeteo, las reacciones, la secuenciación y los ajustes reiterados. AutoDNA, desarrollado por un equipo de la Universidad Jiao Tong de Shanghái, intenta conectar ese recorrido: permite que agentes de inteligencia artificial planifiquen experimentos con ADN, dirijan los instrumentos para ejecutar las operaciones y ajusten el siguiente paso según los resultados. La relevancia de esta investigación radica en extender las capacidades de la IA desde las simulaciones en el ordenador hasta la mesa de laboratorio, donde es necesario manipular reactivos y muestras reales.
La investigación se publicó el 4 de noviembre en Nature y ese mismo día fue presentada en una noticia y un artículo de análisis de la revista. Según el Instituto de Estudios Avanzados de Zhangjiang de la Universidad Jiao Tong de Shanghái, AutoDNA es fruto de la colaboración entre equipos de informática y química y se desarrolló con el apoyo del Centro de Investigación sobre Almacenamiento en ADN. La plataforma integra más de 20 tipos de instrumentos y abarca operaciones como la síntesis, la amplificación y la secuenciación de ácidos nucleicos, de modo que, una vez que el usuario plantea una tarea, el sistema puede convertir el objetivo en un flujo experimental ejecutable.
Una de las claves es la colaboración entre varios agentes especializados de IA, que se reparten la búsqueda bibliográfica, la selección de reactivos, el diseño de procedimientos, la programación del control y el análisis de resultados. Las funciones de los distintos instrumentos se organizan en una interfaz de software unificada que los agentes pueden utilizar de forma combinada. La universidad señala que la plataforma ofrece posicionamiento a escala micrométrica y manipulación de líquidos a escala de microlitros. Además, un sistema de ejecución comprueba los programas, supervisa el estado de los instrumentos y asigna recursos para que las operaciones entre equipos respeten los tiempos y la secuencia que requiere el experimento.
El almacenamiento de información en ADN proporcionó una prueba integral. Esta tecnología primero codifica el contenido digital en secuencias de bases de ADN, después lo escribe mediante síntesis y, por último, lo recupera mediante secuenciación y decodificación. Según los resultados divulgados por la universidad, AutoDNA conectó la codificación, la síntesis, la conservación, la secuenciación y la decodificación, ejecutó 11,382 operaciones de hardware durante todo el ciclo de lectura y escritura y, finalmente, recuperó con exactitud la información original. Este resultado muestra si una larga cadena de pasos puede enlazarse correctamente; esta demostración por sí sola aún no permite determinar que el almacenamiento en ADN sea comercialmente competitivo.
Otra demostración se acercó más a las aplicaciones biomédicas: el sistema identificó y verificó la mutación KRAS G13D, relacionada con el cáncer. El artículo también informa de que AutoDNA alcanzó, en experimentos de síntesis enzimática de ADN, un rendimiento comparable al de un protocolo optimizado por expertos. La primera demostración muestra la integración del flujo de trabajo desde el análisis hasta la verificación; la segunda examina si el sistema puede ajustar las condiciones de reacción hasta un nivel útil. Ambas se acercan más a las capacidades que realmente necesita un laboratorio que la mera generación de unas instrucciones aparentemente razonables.
Sin embargo, una demostración de investigación que detecta una mutación específica todavía no basta para establecer la exactitud del diagnóstico clínico, ni permite inferir directamente que el sistema sea igual de fiable ante muestras diferentes y problemas desconocidos. AutoDNA sigue necesitando personal para reponer reactivos y consumibles y mantener el hardware. Su autonomía se basa en los equipos y las capacidades operativas ya integrados; aún debe verificarse por separado si puede ampliarse sin dificultades para responder a necesidades experimentales que quedan fuera de esta configuración.
AutoDNA aporta una dimensión más concreta al debate sobre los laboratorios autónomos: la IA debe proponer el siguiente paso, hacer que los reactivos lleguen al recipiente correcto en el momento adecuado e incorporar los resultados a la siguiente ronda de decisiones. Para convertirse en una herramienta que puedan adoptar otros laboratorios, aún habrá que comprobar si distintos equipos pueden reproducir los resultados y evaluar los costes de personal necesarios para su despliegue, mantenimiento y gestión de incidencias.