Científicos de Stanford y del Arc Institute consiguieron que modelos de inteligencia artificial diseñaran genomas completos que luego fueron convertidos en virus reales y funcionales. De 285 diseños llevados al laboratorio, 16 fueron capaces de reproducirse e infectar bacterias. El avance abre posibilidades para combatir infecciones resistentes a los antibióticos, pero también coloca sobre la mesa una pregunta que hasta hace poco pertenecía a la ciencia ficción: qué ocurre cuando una computadora aprende las reglas de la vida lo suficiente como para comenzar a escribir organismos que la naturaleza nunca produjo.
La inteligencia artificial dejó de limitarse a escribir textos, generar fotografías o producir programas informáticos. Ahora también puede escribir ADN y conseguir que una parte de ese código funcione en el mundo físico.
Un equipo de la Universidad de Stanford y del Arc Institute logró utilizar modelos de inteligencia artificial especializados en genética para diseñar genomas completos de virus inexistentes en la naturaleza. Los científicos sintetizaron posteriormente esos diseños y comprobaron que 16 de ellos eran virus funcionales capaces de infectar, reproducirse y destruir bacterias.
El trabajo acaba de publicarse en la revista Science y constituye la primera demostración experimental de diseño generativo de bacteriófagos completos mediante modelos de lenguaje genómico.
Los virus creados pertenecen a la familia de los bacteriófagos, microorganismos especializados en atacar bacterias. El punto de partida fue Phi X-174, uno de los virus más estudiados de la historia de la biología molecular y cuyo pequeño genoma contiene apenas 11 genes.
Pero la inteligencia artificial no se limitó a copiarlo.
Generó centenares de miles de posibles combinaciones genómicas. Después de sucesivos filtros, los investigadores seleccionaron cientos de candidatos y consiguieron fabricar físicamente 285. Dieciséis funcionaron.
Arc Institute confirmó posteriormente que esos 16 diseños consiguieron propagarse e impedir el crecimiento de las cepas bacterianas para las cuales habían sido diseñados, manteniendo además especificidad frente a otras bacterias.
Una especie de ChatGPT que en lugar de palabras escribe ADN
La herramienta central se llama Evo.
Su lógica tiene semejanzas con los grandes modelos lingüísticos: mientras un chatbot aprende relaciones estadísticas entre palabras y posteriormente genera nuevas frases, Evo aprende relaciones entre las letras químicas que componen el ADN.
Pero aquí las letras son A, C, G y T.
Evo 2, la generación más reciente, fue desarrollada para interpretar secuencias genéticas desde pequeños fragmentos hasta escalas genómicas. Su versión mayor posee 40.000 millones de parámetros y fue entrenada con aproximadamente 9,3 billones de tokens genéticos, utilizando información procedente de bacterias, arqueas, organismos eucariotas y bacteriófagos.
La diferencia fundamental respecto de una IA que escribe una historia es que el resultado puede abandonar la pantalla.
Una frase generada por ChatGPT continúa siendo una frase. Un genoma generado por una inteligencia artificial puede ser sintetizado químicamente y transformado en materia biológica.
Eso fue exactamente lo que ocurrió.
Los investigadores introdujeron los genomas sintetizados en bacterias E. coli. En 16 casos, aquellas secuencias artificiales consiguieron poner en marcha toda la maquinaria necesaria para fabricar partículas virales capaces de salir de las células, infectar nuevas bacterias y continuar reproduciéndose.
Algunos de esos virus mostraron además capacidades comparables o superiores a las variantes naturales utilizadas como referencia.
El estudio encontró una considerable diversidad evolutiva entre los diseños funcionales y el análisis mediante microscopía crioelectrónica reveló incluso que uno de ellos había incorporado una solución estructural relacionada con una proteína de empaquetamiento de ADN evolutivamente distante.
Ese detalle resulta particularmente importante.
Significa que el modelo no se limitó necesariamente a ensamblar fragmentos idénticos de virus previamente existentes. Fue capaz de desplazarse dentro del enorme espacio de posibilidades genéticas y producir combinaciones que continuaban funcionando.
Del laboratorio a una posible nueva generación de medicamentos
Existe una razón médica poderosa detrás de estas investigaciones.
Los bacteriófagos llevan más de un siglo siendo estudiados como potenciales armas contra las infecciones bacterianas. Su interés aumentó nuevamente debido al avance mundial de la resistencia a los antibióticos.
Una bacteria puede adquirir resistencia frente a determinados medicamentos. Los fagos ofrecen otra estrategia: infectarla específicamente y destruirla.
La posibilidad de diseñarlos mediante inteligencia artificial permitiría, en teoría, fabricar virus dirigidos contra determinadas bacterias en lugar de depender exclusivamente de encontrar en la naturaleza un fago apropiado.
En los experimentos realizados por Stanford, combinaciones de algunos de los virus diseñados mediante IA consiguieron atacar cepas de E. coli que presentaban resistencia frente a fagos naturales. Los investigadores consideran que esa capacidad podría ampliar en el futuro las posibilidades de la terapia con bacteriófagos.
La misma tecnología podría terminar ayudando al desarrollo de herramientas para biotecnología, terapia génica y otros campos médicos.
Pero exactamente la misma característica que convierte al avance en extraordinariamente prometedor es la que abre el problema.
La IA está comenzando a aprender a diseñar sistemas biológicos completos.
Cuando el código informático empieza a convertirse en vida
Hasta ahora gran parte de la revolución de la inteligencia artificial ocurría dentro de computadoras.
Este trabajo muestra una frontera diferente.
El producto generado por el modelo puede transformarse en ADN mediante tecnologías de síntesis genética y, posteriormente, adquirir existencia física.
Los propios investigadores adoptaron una precaución importante: Evo 2 fue entrenado excluyendo deliberadamente genomas de virus capaces de infectar células eucariotas —entre ellos los virus humanos y de otros animales— para reducir sus capacidades en ese terreno.
El artículo que presentó Evo 2 en Nature explica que esa exclusión fue realizada específicamente por razones de bioseguridad y que las pruebas mostraron un peor desempeño del modelo sobre virus eucariotas.
Los 16 virus del experimento atacan bacterias.
Pero el verdadero debate comienza después de ese dato.
Porque una vez demostrado el principio —una inteligencia artificial puede diseñar un genoma viral completo y ese genoma puede transformarse en un virus funcional— aparece inmediatamente la pregunta sobre hasta dónde podrá llegar la siguiente generación de modelos.
Y allí las barreras actuales empiezan a mostrar fisuras.
Una investigación independiente sobre seguridad de modelos genómicos advirtió que excluir información sensible durante el entrenamiento constituye una protección importante, pero que esos mecanismos pueden perder eficacia cuando posteriormente los modelos son modificados o especializados utilizando nuevos conjuntos de datos.
Es decir: la seguridad basada exclusivamente en aquello que la IA vio o dejó de ver durante su entrenamiento inicial difícilmente pueda constituir la última barrera.
La regulación corre detrás de la tecnología
La paradoja es temporal.
El gobierno estadounidense publicó el 28 de julio de 2026, apenas días antes de conocerse oficialmente este estudio, su nueva política federal para detener investigaciones biológicas consideradas de alto riesgo.
El marco prohíbe financiamiento federal para determinadas investigaciones peligrosas de ganancia de función y establece nuevas revisiones para trabajos capaces de aumentar las consecuencias dañinas de agentes biológicos.
Pero el propio gobierno todavía está construyendo la maquinaria que deberá aplicarlo.
Las agencias federales disponen de hasta 120 días para elaborar sus guías de implementación y deben establecer mecanismos independientes de revisión. La política también contempla específicamente que las autoridades sigan la evolución de la inteligencia artificial aplicada a las ciencias biológicas y de las investigaciones realizadas enteramente mediante computadoras.
La ciencia, entretanto, continúa avanzando.
Ese desfasaje constituye probablemente la cuestión política más importante del descubrimiento.
Durante décadas, controlar una tecnología biológica peligrosa significaba vigilar laboratorios, microorganismos almacenados, equipamiento especializado y científicos con determinados conocimientos.
La inteligencia artificial modifica parte de esa ecuación porque permite trasladar una porción cada vez mayor del proceso de diseño al terreno digital.
Un informe de la Oficina de Responsabilidad del Gobierno de Estados Unidos publicado este año ya advertía que la investigación capaz de modificar microorganismos puede producir importantes avances científicos pero también riesgos de bioseguridad y seguridad nacional, y reclamaba mayor transparencia sobre cómo se evalúan y mitigan esos peligros.
El nuevo estudio convierte aquella discusión en algo mucho menos abstracto.
Ni prohibir la ciencia ni entregarla sin controles
La respuesta tampoco puede ser convertir el conocimiento científico en enemigo.
La tecnología que hoy permite fabricar un virus capaz de destruir una bacteria resistente puede ser exactamente la tecnología que mañana contribuya a salvar vidas cuando un antibiótico deje de funcionar.
El problema está en quién controla esas capacidades, quién decide sus límites, bajo qué reglas funcionan los laboratorios, qué compañías controlan los modelos, qué datos pueden utilizar y cuáles son las barreras que existen antes de que una secuencia digital pueda transformarse en material biológico.
Es una discusión demasiado importante para dejarla exclusivamente en manos de las empresas tecnológicas, los laboratorios privados o los organismos militares.
La investigación científica necesita libertad, pero las tecnologías con capacidad de afectar colectivamente a millones de personas necesitan también supervisión pública, cooperación internacional y reglas democráticas.
Además, todavía existen importantes limitaciones técnicas.
Investigaciones independientes realizadas sobre Evo 2 encontraron que los modelos genómicos actuales continúan teniendo dificultades para reproducir correctamente estructuras genéticas complejas y relaciones de largo alcance. El propio éxito experimental es revelador: solamente 16 de los 285 genomas sintetizados consiguieron producir fagos viables.
Pero la historia de la inteligencia artificial de los últimos años enseña algo: las limitaciones que hoy parecen enormes pueden reducirse con extraordinaria rapidez.
Hace pocos años, diseñar un genoma viral completo mediante una IA era una hipótesis.
Hoy existen 16 pruebas físicas reproduciéndose en un laboratorio.
Esta vez son virus que atacan bacterias y pueden terminar convirtiéndose en herramientas médicas.
La advertencia está en otro lugar: la humanidad acaba de demostrar que una máquina puede aprender suficiente biología como para imaginar un virus que nunca existió y conseguir que esa idea funcione cuando se transforma en materia.
A partir de ahora, el desafío ya no será solamente preguntarnos qué puede crear la inteligencia artificial.
Será decidir colectivamente qué queremos permitirle crear, bajo qué controles y al servicio de quién.
Fuentes: Science, estudio “Generative design of bacteriophages with genome language models”; Nature, publicación sobre Evo 2; Arc Institute; National Institutes of Health de Estados Unidos; Government Accountability Office; literatura científica sobre seguridad de modelos genómicos.