Google Aprovecha la Inteligencia Artificial para Preservar ADN de Especies en Peligro de Extinción

Google acaba de meter la inteligencia artificial en una de esas carreras que no se ganan con titulares llamativos, sino con datos duros y decisiones técnicas: secuenciar genomas de especies en peligro antes de que desaparezcan.

Según proyecciones científicas citadas por la propia compañía, hasta un millón de especies podrían estar en riesgo de extinción, y el problema no se limita a perder animales o plantas concretas, sino a algo mucho más profundo: perder su “manual de instrucciones” para siempre.

En ese contexto, Google afirma que ya ha contribuido a secuenciar el genoma de 13 especies amenazadas utilizando IA, en colaboración con iniciativas científicas globales enfocadas en preservar el código genético de la vida en la Tierra. Y aquí conviene aclararlo: esto no va simplemente de “una empresa ayudando”, sino de acelerar un proceso que históricamente ha sido lento, carísimo y técnicamente muy delicado.

Secuenciar un genoma suena abstracto, pero es literalmente leer el código fuente de la vida

Secuenciar un genoma consiste en descifrar el conjunto completo de instrucciones genéticas de un organismo, es decir, convertir su ADN en información utilizable: letras, patrones y variantes que permiten entender qué está ocurriendo dentro de una especie, más allá del dato superficial de si “quedan pocos ejemplares”.

El genoma no solo describe cómo es un animal o una planta, también ayuda a identificar riesgos genéticos, medir la diversidad real de una población y diseñar estrategias de conservación mucho más precisas. A esto se suma que con información genética se pueden evitar desastres de conservación bienintencionados pero torpes, donde se cruzan individuos sin criterio y luego aparecen problemas de fertilidad o enfermedades derivadas de la falta de variabilidad.

Cuando una especie se reduce a unos pocos individuos, cada decisión cuenta, y en ese escenario hilar fino deja de ser un lujo para convertirse en una necesidad.

El ejemplo del kākāpō deja claro por qué esto no es ciencia de escaparate

El comunicado de Google destaca el caso del kākāpō, un loro nocturno y no volador de Nueva Zelanda que pasó años al borde del colapso poblacional. En este caso, los investigadores analizaron el genoma de todos los ejemplares vivos, no una muestra representativa, sino un mapa genético completo de la población real que aún existía.

Con esos datos, se diseñó un plan de reproducción guiado por genética, eligiendo cruces y manejos poblacionales con más cabeza que intuición, lo que permitió evitar la extinción de la especie. Este es el tipo de detalle que a menudo no se cuenta: conservar no es solo proteger hábitats, también implica gestionar poblaciones pequeñas para que no se autodestruyan por endogamia.

Además, la genética añade otra capa relevante: comparar genomas entre especies permite reconstruir la historia evolutiva de la vida. Si algún día queremos entender por qué ciertas especies se adaptan mejor que otras a cambios extremos —temperatura, patógenos, pérdida de alimento—, el genoma es una pista enorme.

De 13 años y 3.000 millones a días y miles: aquí es donde entra la IA de verdad

Google recuerda un dato que todavía impresiona: el primer genoma humano tardó 13 años en completarse y costó cerca de 3.000 millones de dólares. Era un proyecto casi de escala civilizatoria, imposible de replicar para miles de especies.

Hoy el panorama es muy distinto. Gracias a nuevas técnicas y algoritmos, la secuenciación puede realizarse en días y por miles de dólares, aunque generar lecturas de ADN es solo una parte del problema. El verdadero reto está en ensamblarlas correctamente, detectar variantes con precisión y corregir errores sin introducir ruido.

Aquí es donde entran herramientas como DeepVariant, DeepConsensus y DeepPolisher, mencionadas por Google, diseñadas para mejorar la precisión y la velocidad del análisis genético. Son modelos y pipelines de IA que ayudan a limpiar datos, pulir consensos entre lecturas y detectar variantes con mayor fiabilidad que los métodos clásicos en determinados contextos.

En este punto conviene subrayarlo: la IA aquí no es un chatbot con bata de laboratorio, sino una forma de reducir latencia científica. Menos tiempo interpretando datos, más tiempo tomando decisiones de conservación. A esto se suma un efecto acumulativo evidente: cuantos más genomas de calidad se obtienen, mejores comparaciones se pueden hacer y más rápido se afinan las secuencias futuras.

El objetivo real es un “catálogo biológico” completo, y esto va a escala planetaria

Este esfuerzo se enmarca en el apoyo de Google al Vertebrate Genomes Project, liderado por investigadores de The Rockefeller University, y se integra también en el Earth BioGenome Project, cuyo objetivo es secuenciar todas las especies conocidas de la Tierra.

No se trata de un puñado de animales carismáticos, sino de construir una base de datos genética global que sirva para ciencia, conservación y aplicaciones futuras. En esa línea, Google.org anunció que The Rockefeller University recibirá fondos del programa AI for Science para ampliar el proyecto a 150 especies adicionales.

Sin embargo, el dato más relevante no es solo el número, sino la política: todos los genomas generados serán de acceso abierto. Si el ADN queda encerrado detrás de paywalls o acuerdos opacos, el impacto se diluye; si es abierto, un conservacionista en cualquier país puede usarlo para diseñar estrategias reales.

Estos datos genéticos tampoco se limitan a “salvar especies”. También tienen aplicaciones futuras en agricultura, salud global y prevención de enfermedades, porque los patrones evolutivos y de resistencia suelen cruzar fronteras entre disciplinas.

Aun así, hay una lectura incómoda de fondo: estamos documentando a contrarreloj, porque la biodiversidad se pierde a una velocidad que ya no permite romanticismos. En este contexto, la IA no es un lujo tecnológico, es una herramienta de emergencia.

Si de verdad podemos pasar de décadas a días para leer el “código fuente” de una especie, lo raro sería no hacerlo. Quedará por ver si otras grandes tecnológicas se suman con la misma ambición y, sobre todo, con el mismo compromiso de acceso abierto.