Síntesis de virus con IA abre debate sobre bioseguridad en investigación genómica

Bacteriófagos diseñados por inteligencia artificial demuestran viabilidad contra bacterias resistentes, pero generan interrogantes regulatorios

Investigadores han utilizado inteligencia artificial para diseñar virus capaces de infectar bacterias, según un estudio reciente que presenta un enfoque sin precedentes en la creación de organismos biológicos. El trabajo demuestra que modelos de lenguaje genómico pueden aprender patrones en el ADN de millones de organismos y generar instrucciones para…

Investigadores han utilizado inteligencia artificial para diseñar virus capaces de infectar bacterias, según un estudio reciente que presenta un enfoque sin precedentes en la creación de organismos biológicos. El trabajo demuestra que modelos de lenguaje genómico pueden aprender patrones en el ADN de millones de organismos y generar instrucciones para virus completamente nuevos, no observados previamente en la naturaleza.

El modelo de IA analizado fue entrenado con aproximadamente nueve billones de nucleótidos extraídos de secuencias genéticas de animales, plantas, microbios y virus. A diferencia de las técnicas tradicionales de síntesis viral que modifican organismos existentes, este enfoque permite al sistema identificar reglas subyacentes en la estructura genética —comparable a una gramática biológica— y utilizarlas para generar nuevos genomas. Los investigadores seleccionaron 16 variantes de bacteriófagos (virus que atacan bacterias) con alta eficacia contra E. coli de un conjunto de aproximadamente 300 diseños generados por la IA, demostrando la viabilidad experimental del método.

Para el sector empresarial y los tomadores de decisiones en salud pública, este avance presenta implicaciones estratégicas significativas. En el ámbito médico, los bacteriófagos representan una alternativa potencial frente al crecimiento de bacterias resistentes a antibióticos, un problema de salud pública que genera costos operacionales sustanciales en sistemas de salud. Sin embargo, la capacidad de diseñar organismos biológicos mediante IA plantea interrogantes críticas sobre gobernanza regulatoria, control de acceso a tecnología de síntesis genética y marcos de bioseguridad. Las autoridades sanitarias en México y América Latina enfrentan el desafío de establecer protocolos de supervisión que equilibren la innovación científica con la mitigación de riesgos potenciales en investigación de alto impacto biológico.

Desde la perspectiva de CTOs y equipos de tecnología, este caso ilustra cómo modelos de lenguaje entrenados en datos biológicos pueden ejecutar tareas de diseño molecular complejas. La arquitectura del sistema —que procesa información genética como secuencias de texto— refleja una convergencia entre procesamiento de lenguaje natural y bioinformática, con implicaciones para infraestructura computacional, validación de datos y auditoría de modelos en contextos de alto riesgo. La pregunta estratégica para líderes tecnológicos es cómo implementar controles de seguridad en sistemas de IA que operan en dominios donde el error o el mal uso tienen consecuencias biológicas directas.