La IA resucita moléculas extintas para vencer a las superbacterias

Un equipo de investigación utiliza modelos de lenguaje para rastrear el código genético de organismos actuales y extintos, acelerando la búsqueda de nuevos fármacos frente a la crisis de resistencia a los antibióticos.

La resistencia bacteriana mata ya a más de 1,2 millones de personas al año en todo el mundo y amenaza con devolver a la humanidad a una era donde una simple infección cutánea resultaba mortal. Mientras las grandes farmacéuticas han reducido progresivamente sus inversiones en el desarrollo de nuevos antibióticos por su baja rentabilidad comercial, la computación intenta llenar ese vacío. En este escenario, el laboratorio liderado por el investigador español César de la Fuente en la Universidad de Pensilvania ha recurrido a una estrategia poco convencional: programar modelos de inteligencia artificial para buscar moléculas antibacterianas ocultas en la información genética de especies modernas y extintas.

La desextinción molecular: minería de datos en el ADN del pasado

El trabajo del equipo de De la Fuente parte de un concepto innovador conocido como desextinción molecular. En lugar de buscar nuevos compuestos químicos en plantas o suelos tropicales —el método tradicional de la industria durante casi un siglo—, el grupo utiliza algoritmos para escudriñar genomas completos. Entre sus bases de datos no solo se encuentran especímenes contemporáneos, sino también el material genético reconstruido de neandertales, mamuts lanudos y otras criaturas extinguidas hace milenios.

Para procesar semejante volumen de información, la investigación ha integrado herramientas informáticas avanzadas basadas en modelos de lenguaje. Según detalló el propio laboratorio en una publicación distribuida por OpenAI, el uso de asistentes como Codex y ChatGPT no se limita a responder preguntas, sino a generar código bioinformático en minutos para automatizar el filtrado de péptidos (cadenas cortas de aminoácidos con capacidad para destruir la membrana de las bacterias).

Lo que antes requería semanas de programación manual para limpiar secuencias genéticas y predecir su estructura tridimensional, ahora se resuelve en cuestión de horas. Los algoritmos analizan millones de combinaciones proteicas y seleccionan aquellas que presentan patrones físicos y químicos compatibles con la actividad bactericida, reduciendo drásticamente el catálogo de candidatos que finalmente deben sintetizarse y probarse en laboratorio real.

El contexto de la industria: ¿por qué OpenAI destaca este caso ahora?

La difusión de este caso de uso por parte de los creadores de ChatGPT se produce en un momento de intenso debate público sobre el impacto real de los grandes modelos de lenguaje. Mientras el sector tecnológico enfrenta un creciente escrutinio sobre el consumo energético de los centros de datos, los litigios por derechos de autor y las dudas sobre la rentabilidad real de la IA generativa, poner el foco en descubrimientos biomédicos responde a una clara estrategia de legitimación social.

Al asociar la tecnología de generación de código con la lucha contra las pandemias silenciosas de la medicina moderna, las firmas de inteligencia artificial buscan proyectar una narrativa donde sus modelos no son simples generadores de texto o imágenes, sino infraestructuras críticas para el avance científico. Sin embargo, conviene analizar el proceso con la debida distancia crítica.

Identificar una molécula prometedora en un entorno digital (in silico) representa apenas el 5 % del camino necesario para comercializar un medicamento. Las fases posteriores —que abarcan la síntesis química, las pruebas de toxicidad en cultivos celulares, los ensayos en modelos animales y las complejas etapas clínicas en humanos— siguen requiriendo años de trabajo riguroso y elevadas tasas de fracaso que la informática aún no puede recortar por completo.

La crisis económica tras la búsqueda de antibióticos

El verdadero cuello de botella en la crisis de los antibióticos no radica únicamente en la dificultad técnica para encontrar nuevas moléculas, sino en la quiebra del modelo económico de la industria farmacéutica. A diferencia de los fármacos para enfermedades crónicas, que un paciente consume durante décadas, un antibiótico de última generación debe guardarse como último recurso y administrarse solo durante unos pocos días. Esto limita severamente el retorno de inversión para las empresas que financian los desarrollos.

Herramientas de software como las empleadas por el laboratorio de De la Fuente permiten abaratar significativamente la fase inicial de descubrimiento, haciendo viable que laboratorios académicos asuman tareas que antes requerían presupuestos millonarios de multinacionales. Esta democratización del diseño de fármacos mediante plataformas de código abierto y modelos de lenguaje permite explorar vías alternativas que la industria tradicional había descartado por costo-beneficio.

• Aceleración del análisis: Reducción del tiempo de procesamiento genómico de meses a días.
• Nuevas fuentes de información: Exploración de genomas extintos mediante proteómica fósil.
• Costos reducidos: Menor necesidad de cribado empírico en laboratorio húmedo durante las fases iniciales.

💡 El panorama general: ¿Cómo nos afecta esto?

El uso de la inteligencia artificial para rastrear genomas antiguos marca el inicio de una era donde la bioinformática y la arqueología genética convergen para resolver problemas sanitarios contemporáneos. La posibilidad de encontrar en el ADN de especies desaparecidas las claves para neutralizar las superbacterias del presente abre una vía prometedora, aunque no exenta de retos éticos y de regulación en biología sintética.

A corto plazo, esta metodología demuestra que el mayor valor de los modelos de lenguaje en el ámbito científico no radica en sustituir a los investigadores, sino en actuar como amplificadores de su capacidad operativa. Al eliminar las tareas repetitivas de programación y tratamiento de datos, los científicos pueden concentrarse en la validación experimental y en el diseño de hipótesis más complejas.

No obstante, la sociedad debe mantener una expectativa realista. Si bien la IA puede acelerar la fase teórica del hallazgo molecular, la resolución de la crisis global de resistencia antimicrobiana requerirá cambios estructurales en los sistemas de salud pública y nuevos modelos de incentivos financieros para garantizar que las moléculas descubiertas en la pantalla lleguen efectivamente a las farmacias y hospitales.