Una revisión sistemática publicada en Archives of Computational Methods in Engineering ha mapeado el panorama de la inteligencia artificial generativa en bioinformática, produciendo un hallazgo que va en contra de la tendencia dominante en la IA comercial: los modelos especializados entrenados con datos específicos de dominio superan consistentemente a las arquitecturas de propósito general en tareas biológicas.
La revisión, liderada por investigadores de múltiples instituciones y actualizada el 23 de julio, sigue el marco PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) para evaluar estrategias de IA generativa en genómica, proteómica, transcriptómica, biología estructural y descubrimiento de fármacos. Aborda seis preguntas de investigación que cubren capacidades de modelos, el equilibrio entre especialización y generalidad, beneficios, avances metodológicos, limitaciones y conjuntos de datos.
El hallazgo central se refiere a la brecha de rendimiento entre los modelos especializados y los de propósito general. Las arquitecturas específicas de dominio que se someten a un preentrenamiento dirigido en datos biológicos superan sistemáticamente a sus contrapartes de propósito general, concluye la revisión. La ventaja proviene de un diseño contextual que refleja la estructura subyacente de los problemas biológicos, los patrones de secuencia en las proteínas, las relaciones regulatorias en la expresión génica y la geometría tridimensional de las interacciones moleculares.
Áreas de impacto
La revisión identifica varios dominios donde la IA generativa ha avanzado significativamente el estado del arte. En el análisis molecular, los modelos demuestran una precisión mejorada en la predicción de la estructura y función de las proteínas, con un error analítico reducido en comparación con los métodos computacionales tradicionales. En el descubrimiento de fármacos, los enfoques generativos permiten el diseño de nuevos candidatos moleculares con propiedades deseadas, evitando partes del proceso de selección convencional. En el análisis integrativo de datos, los modelos están aprendiendo a combinar información de genómica, transcriptómica y proteómica para producir imágenes biológicas más completas.
Los beneficios están respaldados por puntos de referencia establecidos. La revisión señala mejoras medibles en el modelado estructural, la predicción funcional y la generación de datos sintéticos, siendo esto último particularmente valioso para entrenar modelos posteriores cuando los datos biológicos reales son escasos o tienen restricciones de privacidad.
Limitaciones y carencias
La revisión no endulza las debilidades del campo. Señala la baja escalabilidad como un problema recurrente: los modelos que funcionan bien en conjuntos de datos pequeños y seleccionados frecuentemente fallan cuando se aplican a datos a escala genómica o poblacional. El sesgo de datos es otro problema persistente: las distribuciones de entrenamiento que sobrerrepresentan organismos bien estudiados o vías patológicas producen modelos que se generalizan mal a áreas poco estudiadas de la biología. La generalizabilidad restringida significa que un modelo entrenado en un tipo de datos celulares puede no transferirse a otro sin un reentrenamiento significativo.
Los autores recomiendan prácticas de evaluación más sólidas y enfoques de modelado biológicamente fundamentados como soluciones. También destacan conjuntos de datos clave que sustentan el progreso actual, incluyendo UniProtKB y ProteinNet12 para datos moleculares, CELLxGENE y GTEx para datos celulares, y PubMedQA y OMIM para conocimiento biológico textual.
Para la industria de la IA en general, los hallazgos de la revisión conllevan una implicación práctica: el enfoque de un modelo único que domina la IA comercial puede ser inadecuado para dominios científicos donde el conocimiento específico del dominio no es un lujo sino un requisito previo para un rendimiento significativo. Las arquitecturas especializadas que triunfan en los puntos de referencia bioinformáticos lo hacen no a pesar de su enfoque limitado, sino gracias a él.
Traducido por Alessandra
Fuentes: “Generative Artificial Intelligence in Bioinformatics: A Systematic Review” (arXiv:2511.03354, revisado el 23 de julio de 2026); Archives of Computational Methods in Engineering