Un modelo de inteligencia artificial de código abierto capaz de interpretar secuencias de ADN mediante lenguaje conversacional marca un punto de inflexión en la biología computacional. Desarrollado en colaboración con investigadores de la Academia Zhongguancun en China y la Universidad de Nápoles Federico II en Italia, el sistema —denominado Carbon-X— fue entrenado en 300 mil millones de fragmentos de datos que combinan secuencias genómicas, texto en inglés y descripciones biológicas de mamíferos, vertebrados, invertebrados, plantas, hongos y protozoos.

A diferencia de herramientas como AlphaGenome de Google DeepMind, que genera predicciones en formato numérico, Carbon-X ofrece una interfaz conversacional que permite formular preguntas sobre los efectos de variaciones en el ADN sobre la actividad génica y la salud, recibiendo respuestas comprensibles sin necesidad de formación técnica especializada. El modelo opera localmente en computadoras portátiles y maneja secuencias de hasta 50,000 pares de bases por consulta, lo que lo hace accesible fuera de entornos de cómputo de alto rendimiento.

Aplicaciones en desarrollo farmacéutico y medicina de precisión

Una de las capacidades más relevantes de Carbon-X es la evaluación de mutaciones genéticas para determinar si son benignas o patogénicas. Esta función tiene implicaciones directas en el diseño de medicamentos dirigidos y terapias genéticas, donde una intervención mal calibrada puede resultar ineficaz o contraproducente. Lewis Tunstall, científico investigador senior en el proyecto, describe el avance como "desbloquear una nueva capacidad en los modelos de lenguaje: poder conversar con el ADN".

El equipo partió de un modelo de lenguaje existente y amplió su vocabulario para procesar el ADN en bloques de seis letras —las combinaciones de las bases A, C, G y T que codifican información genética—. Como medida de seguridad, el modelo no fue entrenado con secuencias virales para evitar aplicaciones de riesgo, y los usuarios no pueden cargar genomas humanos completos, sino fragmentos acotados del genoma.

Implicaciones para la investigación y el acceso al conocimiento genómico

Más allá del laboratorio, el modelo tiene potencial para que pacientes interpreten sus propios datos genómicos con asistencia de lenguaje natural, un escenario que hasta ahora requería intermediación especializada. Esto plantea tanto oportunidades —democratización del acceso a información genética— como preguntas sobre privacidad, interpretación responsable y regulación de datos sensibles.

El genoma humano, aunque completamente secuenciado, sigue siendo en gran parte funcional y estructuralmente opaco. Los modelos de IA están comenzando a resolver esa brecha interpretativa, y Carbon-X representa un paso concreto en esa dirección: no solo predice, sino que explica, lo que cambia la naturaleza de la interacción entre investigadores y datos genómicos.