IA revolucionaria: 1 millón de especies para curar enfermedades incurable
Salto evolutivo: Una alianza tecnológica usa IA para descifrar el código genético de un millón de especies y diseñar terapias contra el cáncer y enfermedades hereditarias.
Un error tipográfico puede convertir una “carta” en una “tarta”, pero en el lenguaje de la vida —el ADN—, una sola mutación puede desencadenar anemia falciforme, colesterol alto o cáncer. Ahora, un consorcio liderado por Nvidia, Microsoft, Basecamp Research y el laboratorio del español César de la Fuente (Universidad de Pensilvania) ha desarrollado EDEN, un sistema de IA que aprende de más de un millón de especies para rediseñar genes y crear terapias programables. El objetivo: corregir errores genéticos como si fueran fallos de software, pero en células humanas.
La herramienta estrella de la edición genética, CRISPR/Cas9 (Premio Nobel 2020), actúa como unas “tijeras moleculares” para cortar y pegar secuencias de ADN. Sin embargo, su alcance es limitado. Según el MIT, este nuevo enfoque —capaz de insertar genes completos con un 73% de precisión— podría estar entre los 10 avances más disruptivos del año. La diferencia clave: no solo edita letras sueltas, sino que “instala módulos” genéticos funcionales, como añadir un capítulo entero a un libro en lugar de corregir una coma.
El sistema EDEN (Environmentally-derived evolutionary network) analiza ADN de especies recolectadas en 150 ubicaciones de 28 países durante cinco años. “La evolución es el mejor laboratorio del mundo”, explica De la Fuente. “Ha probado billones de combinaciones genéticas durante 3.800 millones de años y retenido solo las que funcionan. Nuestra IA aprende esos patrones para proponer soluciones terapéuticas viables, como enzimas o moléculas, compatibles con la biología humana“.
De la teoría a la práctica: péptidos contra superbacterias y CAR-T contra el cáncer
El laboratorio de De la Fuente ya ha probado EDEN para diseñar péptidos antimicrobianos (cadenas cortas de aminoácidos) con una eficacia del 97% en laboratorio contra infecciones resistentes a antibióticos. “Podríamos acelerar la búsqueda de candidatos contra patógenos como Staphylococcus aureus resistente a la meticilina (SARM)”, advierte el investigador. Mientras, Basecamp Research usó el modelo para crear linfocitos CAR-T (células inmunitarias modificadas) que eliminaron el 90% de células tumorales en ensayos in vitro.
“Estamos al borde de una revolución”, afirma John Finn, director científico de Basecamp. “Con IA, podríamos desarrollar terapias para miles de enfermedades genéticas incurables, desde la fibrosis quística hasta la distrofia muscular”. La clave está en la inserción programable: “CRISPR es preciso para ediciones puntuales, pero la biología clínica a menudo necesita añadir funciones completas, como genes o grupos génicos, en ubicaciones específicas del genoma”, aclara De la Fuente.
El modelo supera las limitaciones de CRISPR, que requiere dañar el ADN para editarlo. “La inserción programable trata el genoma como un sistema modular”, compara el investigador. “Imagina poder instalar un “parche de software” en una célula para corregir un gen defectuoso, en lugar de solo borrar una línea de código”. En pruebas, EDEN logró insertar ADN en el lugar exacto del genoma humano con 7 de cada 10 enzimas probadas.
CRISPR 2.0: Más allá de la edición, hacia la “ingeniería genómica”
Mientras EDEN avanza, otras investigaciones complementan su potencial. El japonés Tomoji Mashimo (Universidad de Kioto) usó una variante de CRISPR (Cas3) para bloquear los depósitos de proteínas que causan amiloidosis por transtiretina (ATTR), una enfermedad degenerativa. “En 5 años, esta tecnología podría aplicarse a enfermedades hereditarias como la enfermedad de Huntington o la ataxia de Friedreich“, vaticina Mashimo en su estudio, publicado en Nature Biotechnology.
Paralelamente, el sistema Sherlock (desarrollado en Nature Biomedical Engineering) usa CRISPR para diagnosticar infecciones por Candida auris, un hongo letal para pacientes inmunodeprimidos. “Los métodos actuales cuesta US$200 por prueba y tardan días”, denuncia Justin Rolando, autor principal. “Sherlock reduce el costo a US$6 y entrega resultados en 2 horas, incluso en clínicas rurales”.
C. auris ya muestra resistencia a los antifúngicos tradicionales, como el fluconazol (ineficaz en el 90% de los casos reportados en 2023). “Sin diagnósticos rápidos, los brotes se propagan sin control”, alerta Rolando. Su equipo probó Sherlock en 1.200 muestras clínicas, con una precisión del 98,3%.
¿El fin de las enfermedades genéticas?
La combinación de EDEN, CRISPR avanzado y herramientas como Sherlock plantea un escenario radical: ¿Podríamos erradicar las enfermedades hereditarias en una generación? “El desafío no es técnico, sino ético y logístico”, matiza De la Fuente. “Editar embriones humanos sigue prohibido en la mayoría de países, y los ensayos clínicos requieren 10-15 años de validación. Pero el potencial es inmenso: imagine curar la anemia drepanocítica (que afecta a 120 millones de personas) con una sola inyección de ARN”.
Mientras, la IA sigue aprendiendo. Nvidia aceleró EDEN con sus supercomputadoras, alcanzando una escala comparable a GPT-4. “Procesamos 200 terabytes de datos genómicos, equivalente a 50 millones de películas en HD“, detalla un portavoz de la compañía. El siguiente paso: integrar el modelo con robots de laboratorio para automatizar la síntesis de terapias.
La pregunta final no es si funcionará, sino cuándo llegará a los pacientes. Y más importante aún: ¿estamos preparados para rediseñar la vida?
El precedente que validó la IA en genómica: AlphaFold y su impacto en 2020
El anuncio de EDEN no es el primer intento de usar inteligencia artificial para descifrar los secretos del ADN a escala masiva. Su éxito más cercano —y el que sentó las bases para proyectos como este— fue AlphaFold, el sistema de DeepMind (Google) que en 2020 resolvió un problema de 50 años: predecir la estructura 3D de las proteínas con una precisión del 92,4%. Este avance, publicado en *Nature*, redujo de meses a días el tiempo necesario para mapear proteínas clave, como las asociadas al Alzhéimer o la fibrosis quística. La diferencia con EDEN radica en el enfoque: mientras AlphaFold se centra en la *estructura*, el nuevo modelo prioriza la *función genética programable*.
El impacto de AlphaFold fue inmediato y medible. En 2021, científicos del Instituto Francis Crick (Londres) usaron sus predicciones para diseñar enzimas que degradan plásticos en 48 horas, un proceso que en la naturaleza tarda centenares de años. Ese mismo año, la empresa Isomorphic Labs (también de DeepMind) aplicó el modelo para identificar un nuevo objetivo terapéutico contra el cáncer de mama triple negativo, uno de los más agresivos y con menos opciones de tratamiento. Según datos de *Science*, AlphaFold ya ha acelerado más de 200 proyectos de I+D farmacéutica, incluyendo vacunas contra la malaria (en fase II de ensayos) y terapias para la esclerosis lateral amiotrófica (ELA).
Sin embargo, EDEN va un paso más allá al integrar datos evolutivos de 1 millón de especies, algo que ni AlphaFold ni sus competidores (como RoseTTAFold de la Universidad de Washington) habían logrado. La clave está en su base de datos: mientras otros modelos se entrenan con secuencias genéticas humanas o de modelos animales (ratones, *Drosophila*), EDEN incorpora información de organismos extremos, como bacterias de fuentes hidrotermales (capaces de sobrevivir a 120°C) o hongos de la Antártida que producen antimicrobianos únicos. Estos datos, recolectados en 150 ubicaciones globales, podrían ser la diferencia entre una terapia que funciona *in vitro* y otra que resiste en el cuerpo humano.
¿Podría EDEN repetir —o superar— el efecto AlphaFold?
El caso de AlphaFold demostró que la IA no solo acelera la investigación, sino que redefine sus límites. Si EDEN logra replicar ese impacto en la *ingeniería genómica*, podríamos ver en menos de 5 años:
- Terapias “a la carta” para enfermedades raras (hoy solo el 5% tiene tratamiento aprobado, según la FDA).
- Reducción del 40% en costos de desarrollo de fármacos, como ocurrió con los inhibidores de PCR para COVID-19 (que pasaron de US$100M a US$20M en tiempo récord gracias a modelos predictivos).
- Conflictos éticos sin precedente: si CRISPR ya generó debates sobre “bebés diseñados”, la capacidad de EDEN para insertar genes completos podría reavivar las discusiones sobre eugenesia y desigualdad genética (¿quién tendrá acceso a estas terapias?).
La pregunta no es *si* EDEN cambiará la medicina, sino a qué velocidad —y si los marcos regulatorios, como la Ley de Bioética de la UE (2022), podrán mantener el ritmo.