Un genoma es una cadena de nucleótidos, y el mismo tipo de inteligencia artificial que genera prosa puede, en principio, generar uno. Investigadores de la Universidad de Stanford y del Instituto Arc acaban de hacer exactamente eso. Utilizaron modelos de lenguaje genómico, sistemas de IA entrenados con miles de millones de nucleótidos del mismo modo en que los chatbots se entrenan con palabras, para escribir genomas completos de bacteriófagos desde cero, sintetizaron casi 300 de ellos y encontraron 16 que produjeron virus funcionales. Los resultados aparecen en Science junto con un ensayo Perspective de acompañamiento que advierte de que la gobernanza necesaria para dirigir esta capacidad de forma segura aún no existe.
Los bacteriófagos, virus que infectan bacterias, son un banco de pruebas práctico para el diseño de genomas. El equipo eligió como plantilla el phi-X174, un fago diminuto de apenas 5.386 nucleótidos y 11 genes que infecta a la E. coli. Fue el primer genoma secuenciado de la historia, por el grupo de Fred Sanger en 1977, y el primer genoma sintetizado químicamente, por el equipo de Craig Venter en 2003. Además, es lo bastante pequeño como para que una IA entrenada con genomas virales tenga una posibilidad realista de escribir nuevas versiones que de verdad funcionen.
Los sistemas de IA implicados son Evo 1 y Evo 2, modelos de lenguaje genómico desarrollados por el grupo de Brian Hie en Stanford y el Instituto Arc. Evo 2, con 40.000 millones de parámetros entrenados con aproximadamente 9,3 billones de nucleótidos, es el mayor modelo genómico de acceso abierto publicado hasta la fecha. Para este proyecto, los modelos se ajustaron con 14.466 secuencias de la familia Microviridae, el grupo al que pertenece el phi-X174, y luego se les pidió generar genomas completos en una sola pasada de izquierda a derecha, escribiendo la secuencia entera del mismo modo en que un modelo de lenguaje escribe una frase, sin ensamblar partes de genes existentes.
El proceso implicó filtrar miles de genomas candidatos, seleccionar unos 300 para su síntesis química según sus características predichas y probar cada uno en el laboratorio. La tasa de éxito, de alrededor del 5%, es baja en términos absolutos, pero significativa como prueba de concepto: 16 de los genomas sintetizados produjeron fagos funcionales capaces de infectar y matar a la E. coli. Varios de los fagos generados por IA superaron a la cepa parental natural en competiciones de crecimiento, y un cóctel de los 16 fagos superó rápidamente cepas de E. coli que habían desarrollado resistencia al virus natural, algo que los fagos naturales por sí solos no pudieron lograr. Uno de los fagos generados, bautizado como Evo-phi-36, incorporó una proteína de empaquetamiento de ADN procedente de un fago evolutivamente distante, una combinación que no existe en la naturaleza.
La dimensión de bioseguridad es la razón por la que el artículo llegó acompañado de un ensayo complementario inusualmente contundente. Tom Inglesby y Moritz Hanke, del Centro Johns Hopkins para la Seguridad Sanitaria, sostienen en Science que la capacidad de componer genomas virales con IA generativa ya existe, mientras que la gobernanza para dirigirla no. Señalan que los genomas diseñados por IA podrían codificar patógenos que no puedan ser contenidos por las contramedidas existentes, y que la decisión de los investigadores de excluir de los datos de entrenamiento a los virus que infectan a humanos, plantas y animales puede eludirse en parte ajustando los modelos con datos de patógenos. Piden que el cribado de los pedidos de ADN sintético sea un requisito legal, en lugar de depender de salvaguardas voluntarias.
El propio equipo de investigación señaló los riesgos. Los autores excluyeron deliberadamente los virus humanos y animales del entrenamiento, instaron a otros a consultar a profesionales de la seguridad y subrayaron que el trabajo se realizó bajo supervisión de bioseguridad. Los expertos independientes estaban divididos sobre la magnitud de la amenaza. Tom Ellis, del Imperial College, calificó el trabajo de impresionante, pero señaló que el phi-X174 es el genoma más pequeño y fácil de fabricar, y sostuvo que la amenaza del diseño íntegro por IA de un genoma peligroso está exagerada en comparación con las modificaciones de ganancia de función de patógenos existentes. Otros señalaron que la tasa de éxito de alrededor del 5% y el hecho de que la evolución natural pulió la mitad de los fagos funcionales sugieren que los modelos siguen generando muchas secuencias no funcionales, un colchón que podría no persistir a medida que los modelos mejoren.
Una versión preliminar de este trabajo circuló en septiembre de 2025, y la publicación actual es la versión revisada por pares, con el análisis de gobernanza adjunto. La distinción importa: los modelos escribieron las secuencias, pero los humanos eligieron los datos de entrenamiento, diseñaron los filtros, seleccionaron qué genomas sintetizar y los probaron. La innovación es que la escritura en sí, la generación de genomas funcionales completos, ha pasado a la máquina.
Las promesas a corto plazo son médicas: fagos que matan bacterias resistentes a los antibióticos, virus modificados que transportan genes, herramientas biológicas fabricadas a medida. Los riesgos son los que han ensombrecido a la biología sintética desde su nacimiento, ahora acelerados por modelos que abaratan el diseño de genomas y lo hacen accesible. Los autores del ensayo Perspective afirmaron que la tecnología ha llegado y que la cuestión es si las reglas se escribirán antes de que la capacidad se propague.
Traducido por Alessandra
Fuentes: King, S.H., Driscoll, C.L., Li, D.B. et al. Generative design of bacteriophages with genome language models. Science 393, eaec2657 (2026). DOI: 10.1126/science.aec2657. Inglesby, T.V. & Hanke, M.S. AI-designed viral genomes. Science 393, 563-564 (2026). DOI: 10.1126/science.aej8512. The Guardian, 6 de agosto de 2026.