Trescientos virus nacidos en un ordenador, sin que ningún organismo vivo los hubiera creado antes, acaban de pasar su primera prueba real en un laboratorio de Stanford. Un equipo de esta universidad y del Arc Institute, en California, ha conseguido que una inteligencia artificial diseñe de principio a fin el genoma completo de bacteriófagos —virus que solo infectan bacterias— capaces de destruir la temida Escherichia coli. Dieciséis de esos diseños funcionaron de verdad. El trabajo se publica esta semana en la revista Science.
Un modelo de IA que escribe genomas de virus enteros
La herramienta se llama Evo 2 y no es la primera inteligencia artificial aplicada a la biología, pero sí una de las primeras capaces de generar un genoma vírico completo en una sola tirada, en lugar de limitarse a proponer fragmentos sueltos de ADN que luego hay que ensamblar a mano. Los investigadores partieron del ΦX174, un bacteriófago bien conocido en los laboratorios de todo el mundo, cuyo genoma apenas ocupa 5.400 pares de bases, un tamaño manejable para poner a prueba el sistema sin renunciar a la complejidad real de un virus funcional.
«Queríamos que el modelo generara el genoma completo de principio a fin en una sola pasada», explica Brian Hie, profesor asistente de Ingeniería Química en Stanford y uno de los responsables del proyecto. Es una diferencia técnica que parece menor pero no lo es: cuando una IA diseña piezas sueltas, el margen de error se dispara en el momento de unirlas. Al generar el genoma entero de una vez, el sistema tiene que mantener coherente cada gen, cada secuencia reguladora y cada punto de corte, algo mucho más parecido a cómo funciona realmente la evolución biológica.
De cientos de propuestas a dieciséis candidatos reales
Evo 2 no se limitó a un único diseño. El modelo generó cientos de genomas distintos, cada uno con variaciones en genes concretos, estructuras de la cápside vírica y mecanismos de infección. De ahí, el equipo sintetizó en el laboratorio alrededor de 300 candidatos para comprobar cuáles llegaban siquiera a ensamblarse como partículas víricas viables. Al final, dieciséis mostraron una capacidad elevada para infectar y destruir la bacteria E. coli, un porcentaje de éxito que los propios autores consideran alto para tratarse de diseños generados casi enteramente por ordenador.
Samuel King, estudiante de posgrado en Bioingeniería en Stanford y coautor del trabajo, resume así el proceso: «El marco implicó varios pasos clave: generar genomas, evaluar las opciones, seleccionar los candidatos». Detrás de esa frase hay meses de cribado computacional, síntesis química del ADN y pruebas de laboratorio para separar el puñado de diseños viables de la mayoría que, sencillamente, no funcionaban.
Por qué la resistencia a los antibióticos empuja a buscar alternativas
El interés por los fagos no es nuevo, pero sí lo es la velocidad a la que ahora se pueden diseñar. La resistencia bacteriana a los antibióticos lleva años señalada como una de las mayores amenazas sanitarias globales: cada vez hay más infecciones que no responden a los tratamientos habituales, y el ritmo al que las farmacéuticas desarrollan antibióticos nuevos no compensa la velocidad a la que las bacterias aprenden a esquivarlos.
Los bacteriófagos ofrecen una lógica distinta a la de una pastilla convencional: en vez de un compuesto químico fijo, son organismos capaces de replicarse y evolucionar junto a su objetivo. El problema, hasta ahora, era que encontrar o modificar fagos eficaces contra una bacteria concreta podía llevar años de ensayo y error en el laboratorio. Si una IA puede generar decenas de variantes prometedoras en cuestión de semanas, ese cuello de botella se estrecha de forma drástica.
El riesgo de que una sola bacteria resistente inutilice el tratamiento
Hie también advierte sobre un punto débil conocido de la terapia con fagos: «Si las bacterias desarrollan resistencia a un solo fago, el tratamiento queda inutilizado». Es la misma lógica que explica por qué los antibióticos pierden eficacia con el tiempo, solo que aquí el adversario es un virus en vez de una molécula química. La respuesta que baraja el equipo pasa por diseñar cócteles de fagos genéticamente diversos, de modo que aunque la bacteria logre esquivar uno, se encuentre con otros varios atacándola por flancos distintos, algo mucho más difícil de sortear con una sola mutación.
Del laboratorio a un posible tratamiento: qué falta todavía
Conviene no adelantar acontecimientos. Tener dieciséis fagos capaces de matar E. coli en una placa de laboratorio está lejos de contar con un medicamento aprobado para pacientes. Antes tendrán que superarse ensayos de seguridad, pruebas en modelos animales y, finalmente, ensayos clínicos, un proceso que en biomedicina suele extenderse varios años incluso cuando los primeros resultados son prometedores.
Lo que sí cambia con este trabajo es la velocidad de la primera fase, la del diseño. Hasta ahora, encontrar un fago útil contra una bacteria concreta dependía en buena medida de la suerte: había que buscarlo en la naturaleza, en aguas residuales o en muestras ambientales, y esperar que existiera uno con las propiedades adecuadas. Generarlo directamente desde un modelo entrenado con secuencias genéticas invierte ese orden: primero se decide qué se necesita y después se construye, en vez de rastrear el planeta con la esperanza de encontrarlo ya hecho.
Puesto en perspectiva, lo más relevante de este trabajo no es tanto que funcione contra E. coli —una bacteria ampliamente estudiada y relativamente fácil de atacar— sino que demuestra que un sistema de IA puede diseñar organismos vivos completos con una función biológica concreta, no solo proteínas aisladas o fragmentos de ADN. Si esa capacidad se traslada a bacterias más peligrosas y resistentes, el enfoque podría convertirse en una herramienta real frente a infecciones que hoy apenas responden a ningún tratamiento disponible.
El equipo de Stanford y el Arc Institute ya trabaja en ampliar el sistema a fagos dirigidos contra otras bacterias de interés clínico, con la vista puesta en patógenos multirresistentes que preocupan mucho más a los hospitales que la E. coli de laboratorio. Los resultados de esos siguientes pasos, advierten los propios investigadores, tardarán todavía tiempo en llegar.
