La IA generativa ha alcanzado un hito que los investigadores venían anticipando desde hace años. Científicos de la Universidad de Stanford y del Arc Institute han utilizado exitosamente IA para diseñar genomas virales completos desde cero, y 16 de esos diseños fueron confirmados como virus plenamente funcionales y biológicamente activos, capaces de infectar bacterias.

Según un preprint publicado en bioRxiv el 12 de septiembre de 2025, esto representa la primera vez que la IA generativa ha producido genomas virales funcionales de extremo a extremo. Los virus en cuestión son bacteriófagos, virus que atacan a las bacterias, no a los seres humanos.

Cómo se construyeron los fagos diseñados por IA

El equipo de investigación, liderado por Brian Hie en Stanford con colaboradores del Arc Institute, NVIDIA y UC Berkeley, empleó modelos de lenguaje genómico conocidos como Evo 1 y Evo 2. En lugar de predecir la próxima palabra en una secuencia de texto, estos modelos predicen el próximo par de bases en una secuencia de ADN. Este enfoque refleja la arquitectura transformer detrás de los grandes modelos de lenguaje como los que impulsan a ChatGPT, pero aplicado al alfabeto de cuatro caracteres del ADN: A, C, G y T.

Utilizando la arquitectura de ΦX174, un bacteriófago natural que infecta E. coli, el equipo generó 302 genomas candidatos de fagos. De esos candidatos, 16 fueron verificados experimentalmente como virus viables capaces de ensamblarse, infectar y lisar bacterias de E. coli.

Varias variantes diseñadas por IA demostraron ventajas de replicación de hasta 65 veces en comparación con la plantilla natural. Los investigadores también evaluaron estos fagos en terapias combinadas contra cepas bacterianas resistentes a antibióticos, donde mostraron una eficacia significativa.

La resistencia a los antibióticos como fuerza motriz

La resistencia a los antibióticos sigue siendo una de las crisis más urgentes y, al mismo tiempo, menos reconocidas en la salud pública mundial. La Organización Mundial de la Salud ha identificado la resistencia a los antimicrobianos como una de las diez principales amenazas para la salud pública global, ya que las infecciones resistentes a los medicamentos contribuyen a millones de muertes anuales. La terapia con fagos, que utiliza virus para eliminar bacterias específicas, ha existido como concepto desde principios del siglo XX y se utilizó ampliamente en partes de la Unión Soviética antes de la era de los antibióticos. Sin embargo, nunca ha logrado una adopción clínica generalizada en la medicina occidental, principalmente porque diseñar el fago adecuado para una cepa bacteriana determinada es un proceso laborioso y que requiere mucho tiempo. Un puñado de casos de terapia con fagos han sido tratados bajo disposiciones de uso compasivo de la FDA, pero el diseño de fagos escalable y bajo demanda ha permanecido fuera de alcance.

Los modelos Evo fueron entrenados con vastos conjuntos de datos genéticos que abarcan billones de pares de bases de ADN, basándose en trabajos previos presentados en 2024. El fago natural ΦX174 tiene un genoma de aproximadamente 5,386 pares de bases, notablemente pequeño según los estándares biológicos.

Consideraciones de bioseguridad

Los 16 fagos funcionales fueron diseñados dentro de los parámetros de una plantilla natural conocida y se dirigen específicamente a E. coli. Los investigadores enfatizaron que no estaban creando nuevos patógenos pandémicos. No obstante, la capacidad subyacente —un modelo que puede construir maquinaria viral funcional— plantea preguntas de gobernanza que merecen un debate cuidadoso a medida que la tecnología avanza. La naturaleza de doble uso de los modelos generativos a escala genómica sitúa este trabajo dentro de una conversación política continua sobre marcos de supervisión para sistemas de IA capaces de diseñar entidades biológicas, un tema que ha atraído la atención tanto de agencias de bioseguridad de EE. UU. como de organismos de gobernanza internacional.

La participación de NVIDIA en esta colaboración también es destacable para quienes monitorean las tendencias de inversión en infraestructura de IA. El modelado genómico a esta escala exige recursos computacionales sustanciales, y el sector de las ciencias de la vida se ha convertido en un dominio de aplicación significativo para los clústeres de GPU de alto rendimiento. El trabajo sigue una trayectoria más amplia en la que la biología impulsada por IA —desde AlphaFold de DeepMind para la predicción de estructuras de proteínas hasta modelos de lenguaje de genoma completo— se ha convertido en una de las fronteras más intensivas desde el punto de vista computacional y comercialmente trascendental en la IA aplicada.