El nuevo hallazgo alrededor de Evo2, un modelo de lenguaje genómico (IA entrenada para predecir letras de ADN). La propuesta es ambiciosa: acercar la idea de que una inteligencia artificial pueda diseñar, desde cero, un genoma y empujar la creación de vida sintética.
La historia tiene un antecedente central. En 2008, un grupo de investigadores anunció la creación del primer genoma sintético completo al sintetizar químicamente las 580.000 letras de ADN de Mycoplasma genitalium, y luego “reiniciarlo” dentro de una célula. Ese paso se describió como la primera forma de vida sintética.
Ahora, Evo2 aparece como una pieza clave porque fue entrenado con billones de letras de ADN de organismos de todo el árbol de la vida. No solo “lee” secuencias y detecta patrones: también puede generarlas, como si propusiera nuevas frases en el idioma de la genética.
Patrick Yizhi Cai lo describió como una especie de “ChatGPT de genomas sintéticos”. Y, según el propio Cai, con Evo2 se pueden empezar a escribir secuencias genéticas que nunca han existido en la naturaleza.
Pero el mecanismo no es mágico. Funciona más como un gran autocompletado: a partir de enormes ejemplos, estima qué letra debería venir después para que el “texto” tenga sentido biológico.
Porque en un genoma no importa solo la lista de genes, sino su organización. El orden actúa como cableado y central de control: influye en cuándo se “prende” cada gen y cuánta proteína produce. Un diseño que “se ve bien” en pantalla puede fallar al coordinar lo esencial de una célula viva.
De hecho, el biólogo sintético Nico Claassens fue categórico: “no se puede diseñar la vida al 70 %”. La frase apunta a un interruptor incómodo: un solo gen esencial mal diseñado puede volver inviable todo el organismo.
El salto real y el cuello de botella
Hasta ahora, la ingeniería genética se apoyó sobre bases existentes. Un proyecto internacional reescribió el genoma de la levadura de cerveza (Saccharomyces cerevisiae) alterando y reorganizando secuencias sin cambiar su identidad básica. Otros científicos recodificaron casi 20.000 posiciones en Escherichia coli, eliminando tres de los 64 codones (tripletes que “traducen” aminoácidos).
En cambio, los modelos de lenguaje genómico prometen otra cosa: diseñar sin depender directamente de un genoma preexistente. En 2025, un equipo usó versiones anteriores de Evo para generar genomas de fagos (virus que infectan bacterias). Al introducir esos genomas en células de E. coli, 16 de 285 diseños produjeron virus funcionales capaces de matar bacterias.
Es una oportunidad, sí, pero también una alarma: la mayoría no funcionó. Y los virus, además, son sistemas mínimos, con genomas de apenas miles de letras.
Con Evo2, el trabajo fue más ambicioso. Generó secuencias inspiradas en Mycoplasma genitalium, en el ADN mitocondrial humano y en un cromosoma de levadura. Los análisis computacionales indicaron que cerca del 70% de los genes del genoma inspirado en M. genitalium parecían realistas.
Sin embargo, Maciej Wiatrak subraya otra brecha: evaluar si un genoma “se ve correcto” y si “funciona correctamente” son cosas muy diferentes. Y además aparece el gran freno práctico: para probar un genoma diseñado por IA hay que sintetizar cientos de miles o millones de letras, ensamblarlas, introducirlas en una célula y ver si la vida arranca. Wiatrak advierte que el costo de síntesis y construcción de ADN ya es un cuello de botella.
Lo que sí podría cambiar mañana
Algunos científicos imaginan laboratorios autónomos donde IA y robótica trabajen como engranajes coordinados: diseñar, probar y refinar módulos genéticos (bloques de genes con una función) en ciclos rápidos, y recién después ensamblarlos.
Por eso, varios investigadores ven más sensato usar estos modelos para objetivos concretos, como diseñar conjuntos de genes para producir biocombustibles o degradar contaminantes, antes que intentar “crear un microbio completo” desde cero.
La IA todavía no crea vida sintética por sí sola, pero ya está aprendiendo a escribir borradores cada vez más legibles del manual. Y en biología, a veces, el futuro empieza cuando el cableado deja de ser un misterio.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
