Biotecnología · global
La IA crea bacteriófagos capaces de reproducirse: una nueva herramienta contra las infecciones resistentes a los fármacos y un nuevo desafío de bioseguridad
De los 285 genomas virales diseñados por un modelo de lenguaje genómico, 16 formaron en el laboratorio bacteriófagos capaces de infectar Escherichia coli; el resultado amplía el espacio de diseño para la terapia con fagos, pero también demuestra que la gobernanza de la seguridad debe seguir el ritmo de la capacidad de «generar genomas completos».
La inteligencia artificial ya no se limita a modificar unos pocos aminoácidos en las proteínas: ahora ha entrado en la etapa de diseñar genomas virales completos. Un equipo de investigación utilizó un modelo de lenguaje genómico para generar secuencias de bacteriófagos y produjo en el laboratorio virus capaces de reproducirse e infectar bacterias. Este avance podría abrir una vía adicional para combatir las bacterias resistentes a los fármacos, pero también traslada el problema de la bioseguridad desde las secuencias generadas por computadora hasta sistemas biológicos reales y funcionales.
El equipo utilizó como plantilla el bacteriófago ΦX174, que contiene apenas 5.386 nucleótidos y codifica 11 genes. El modelo Evo había aprendido previamente los patrones de secuencia de más de 2 millones de genomas de bacteriófagos y después fue ajustado con 14.466 secuencias de la familia Microviridae. A continuación, los investigadores seleccionaron y sintetizaron 285 genomas completos a partir de miles de diseños candidatos. Los resultados experimentales mostraron que 16 de ellos podían formar bacteriófagos capaces de reproducirse en Escherichia coli no patógena.
Estos diseños exitosos no eran simples copias de virus naturales. Cada genoma funcional presentaba entre 67 y 392 mutaciones respecto del genoma natural más cercano, y algunas de esas mutaciones no aparecían en ninguna secuencia natural conocida. El rango de hospedadores de los 16 bacteriófagos seguía concentrado en la cepa C de E. coli utilizada en los experimentos y en cepas estrechamente relacionadas. Esto indica que, pese a reescribir ampliamente las secuencias, el modelo pudo conservar, al menos en este sistema, la configuración genética necesaria y la capacidad de reconocer al hospedador.
La prueba más cercana a una necesidad médica consistió en hacer que las bacterias desarrollaran primero resistencia al ΦX174 natural. El equipo informó que una mezcla derivada de bacteriófagos diseñados por IA logró superar las defensas de tres cepas resistentes de E. coli en entre uno y cinco pases, mientras que el bacteriófago natural de referencia no fue eficaz. Los virus que consiguieron superar la resistencia contenían genomas quiméricos recombinados a partir de varios diseños, lo que sugiere que la diversidad de secuencias generada por la IA podría ofrecer más puntos de partida para que los bacteriófagos se adapten a distintos receptores bacterianos.
Sin embargo, aún queda un largo camino para tratar superbacterias. Las pruebas actuales proceden de E. coli no patógena en placas de cultivo y todavía no se han realizado evaluaciones en modelos animales, ensayos en seres humanos ni estudios de consistencia del proceso de fabricación. Además, que solo 16 de los 285 diseños tuvieran éxito subraya que la generación mediante un modelo no equivale a una función biológica. ΦX174 es también uno de los genomas virales más pequeños y fáciles de sintetizar que existen. Aún no se ha demostrado si este método puede extenderse a bacteriófagos más grandes, estructuralmente más complejos o de relevancia clínica.
Los investigadores excluyeron deliberadamente las secuencias de virus que infectan a seres humanos, animales y plantas, y limitaron los experimentos a hospedadores no patógenos y entornos controlados. Sin embargo, estas medidas restringen principalmente el modelo y los experimentos actuales y no pueden sustituir una gobernanza integral. Los expertos en bioseguridad abogan por una defensa de múltiples capas que incluya limitar el acceso a los modelos y los datos, revisar los objetivos de las investigaciones, detectar secuencias de alto riesgo durante la síntesis de ADN y mantener las medidas de bioseguridad y protección física en los laboratorios.
Por lo tanto, la relevancia práctica de este trabajo no radica en que la IA ya pueda crear a voluntad virus contra el cáncer o nuevos patógenos, sino en que demuestra claramente por primera vez que los modelos generativos pueden proponer genomas virales completos y que una pequeña parte de ellos, tras ser sintetizados y seleccionados, es realmente funcional. Su valor futuro dependerá de si esta capacidad de diseño puede dirigirse hacia bacterias específicas y necesidades terapéuticas verificables. Su riesgo dependerá de si los sistemas de seguridad pueden establecer defensas antes de que se generalicen modelos más potentes y tecnologías de síntesis de ADN más baratas.