Un equipo dirigido por investigadores de Stanford utilizó modelos generativos para diseñar bacteriófagos completos y logró que varios de ellos infectaran y destruyeran bacterias Escherichia coli en laboratorio.
El resultado, publicado en Science, demuestra que un sistema de Inteligencia Artificial puede proponer genomas virales funcionales que no habían sido observados previamente en la naturaleza.
Los bacteriófagos son virus especializados en infectar bacterias. No atacan células humanas y se estudian desde hace décadas como una posible herramienta contra infecciones difíciles de tratar, especialmente cuando los antibióticos pierden eficacia.
Los investigadores generaron secuencias completas a partir de modelos de lenguaje entrenados con información genómica. Después sintetizaron una selección de esos diseños y los probaron experimentalmente: 16 dieron origen a virus funcionales capaces de infectar E. coli, según los resultados difundidos junto al estudio.
El avance no equivale a un medicamento ni a una terapia disponible. Las pruebas se realizaron con bacterias en condiciones de laboratorio y todavía faltan evaluaciones sobre seguridad, estabilidad, eficacia y comportamiento en organismos más complejos.
Cómo se diseñaron y probaron los bacteriófagos
El trabajo se apoyó en modelos de lenguaje genómico, sistemas que procesan secuencias de ADN como patrones ordenados de información. En lugar de completar palabras, estos modelos generan combinaciones de componentes genéticos basadas en las regularidades presentes en sus datos de entrenamiento.
El equipo tomó como referencia familias conocidas de fagos que infectan E. coli, pero no se limitó a copiar secuencias existentes. Los diseños incorporaron combinaciones nuevas que luego debían superar una prueba decisiva: producir partículas virales viables y completar el ciclo de infección dentro de la bacteria.
La síntesis física y el ensayo biológico permitieron separar propuestas plausibles de resultados realmente funcionales. Ese paso es importante porque una secuencia puede parecer coherente para un modelo y aun así fallar al construir una estructura viral, reconocer su huésped o replicarse dentro de una célula.
Los autores plantean que el método podría ampliar la búsqueda de fagos con características útiles, como atacar cepas bacterianas específicas. Una biblioteca más diversa permitiría explorar candidatos frente a microorganismos resistentes, pero cada diseño necesitaría validación experimental independiente antes de considerarse para una aplicación sanitaria.
Bioseguridad y límites de los bacteriófagos creados con IA
El mismo procedimiento que acelera la exploración científica también plantea preguntas de control. Thomas Inglesby y Moritz Hanke, especialistas del Johns Hopkins Center for Health Security, advirtieron en un comentario publicado por Science que ya existe capacidad para componer genomas virales con IA, mientras la gobernanza específica para dirigirla de manera segura sigue incompleta.
El estudio se concentró en virus que infectan bacterias y no mostró la creación de patógenos humanos. Aun así, los especialistas sostienen que las normas deben considerar cómo evaluar diseños generados por modelos, qué información conviene restringir y qué controles necesitan los laboratorios antes de sintetizar una secuencia.
Las empresas del sector ya aplican controles para consultas de biología en algunos modelos de uso general. El experimento de Stanford desplaza parte del debate hacia otra etapa: la supervisión de sistemas especializados conectados con procesos de diseño genómico y validación física.
El resultado abre una vía concreta para investigar nuevos agentes contra bacterias, pero su valor médico dependerá de pruebas posteriores y reglas capaces de distinguir investigación legítima de usos peligrosos. Por ahora, la evidencia confirmada se limita a fagos funcionales contra E. coli bajo condiciones experimentales.
Fuentes
Science: Generative design of novel bacteriophages with genome language models
