En un histórico estudio publicado como preprint, un equipo de investigadores del Instituto Arc y la Universidad de Stanford ha alcanzado un hito sin precedentes en la biología sintética al utilizar inteligencia artificial generativa para diseñar genomas completos y viables de bacteriófagos capaces de replicarse. La investigación, liderada por el estudiante de posgrado Samuel H. King y el profesor asistente Brian L. Hie, representa la primera vez que un modelo generativo compone arquitecturas genéticas operacionales completas capaces de producir vida activa y autorreplicante.
El desafío de escribir genomas
Aunque el aprendizaje automático se ha utilizado anteriormente para diseñar proteínas individuales o secuencias genéticas cortas, la construcción de un genoma operativo completo desde cero seguía siendo un desafío monumental. Los genomas poseen una inmensa complejidad emergente, donde los genes superpuestos, las regiones reguladoras y las instrucciones estructurales deben estar estrechamente coordinados para permitir la replicación y otras funciones de orden superior. En estos sistemas, incluso un solo nucleótido fuera de lugar puede hacer que todo un genoma sea inviable.
¡GRACIAS POR LEER NUESTRAS NOTICIAS! ¿Nos invitas un cáfe? ☕
Para superar este cuello de botella evolutivo, el equipo recurrió a los modelos de lenguaje genómico Evo 1 y Evo 2, los cuales fueron entrenados previamente con millones de secuencias naturales para dominar la sintaxis subyacente del ADN. Para especializar la IA en el diseño a escala genómica, los investigadores ajustaron fina y específicamente los modelos en un conjunto de datos de aproximadamente 15,000 genomas de la familia Microviridae. Como plantilla de diseño, seleccionaron al histórico fago lítico ΦX174, un virus de ADN monocatenario circular (~5.4 kb, 11 genes) que infecta a la bacteria E. coli C.
Para garantizar la seguridad y el control biológico, el equipo aplicó filtros de diseño computacional estrictos, incluido un filtro de tropismo de huésped que exigía que los genomas generados codificaran proteínas de espícula con una identidad de secuencia de moderada a alta (≥ 60%) respecto a la espícula de ΦX174. Este paso aseguró que los fagos sintéticos solo atacaran a su huésped de laboratorio no patógeno y resultaran inofensivos para otras cepas no deseadas.
Para demostrar que estas secuencias digitales podían funcionar en el mundo físico, los investigadores sintetizaron y ensamblaron químicamente 285 genomas únicos diseñados por IA en el laboratorio. Estas construcciones circulares de ADN bicatenario se transformaron directamente en células competentes de E. coli C. El momento de la verdad llegó cuando las células comenzaron a ejecutar el código sintético: se resucitaron con éxito 16 fagos sintéticos autorreplicantes y completamente viables (denominados ‘Evo-Φ’), los cuales produjeron placas claras y robustas en los cultivos bacterianos, eliminando rápidamente a las bacterias.
La novedad estructural y de secuencia de estos genomas generados por IA es asombrosa:
- Evo-Φ2147 acumuló 392 mutaciones novedosas en comparación con su pariente natural más cercano (NC51), lo que resultó en solo un 93% de identidad de secuencia, una divergencia genética que tradicionalmente lo clasificaría como una especie biológica completamente nueva.
- Evo-Φ36 superó con éxito una barrera estructural de coevolución que había frustrado a los biólogos sintéticos durante décadas. La IA decidió intercambiar una proteína de empaquetamiento de ADN crucial (la proteína J) con un homólogo del fago G4, un virus distantemente relacionado que comparte solo el 63% de identidad genómica con ΦX174. Mientras que los intentos humanos de diseñar este intercambio manualmente siempre habían fallado, la IA ajustó perfectamente la secuencia circundante para hacer compatible la interfaz estructural. Utilizando microscopía crioelectrónica (cryo-EM) avanzada a una resolución de 2.9 Å, el equipo resolvió la estructura atómica de Evo-Φ36, confirmando que la proteína J del fago G4 se alojaba de manera funcional y perfecta dentro de la cápside viral.
Superizando a la naturaleza y derrotando a las superbacterias
El descubrimiento más sorprendente del estudio fue que estos organismos diseñados por IA no solo eran viables, sino que superaron a la naturaleza. En ensayos de competencia de crecimiento directo, tres fagos generados dominaron consistentemente la población, y el fago Evo-Φ69 multiplicó su población hasta 65 veces más rápido que el fago natural ΦX174. Por su parte, otra variante, Evo-Φ2483, exhibió una cinética de lisis celular excepcionalmente rápida y agresiva.
Esta diversidad genética de alta aptitud tiene enormes implicaciones clínicas para la terapia fágica, la cual está emergiendo como una alternativa vital frente a los antibióticos convencionales. Para probar la resiliencia de sus creaciones, el equipo cultivó tres cepas de E. coli C completamente resistentes al fago natural ΦX174 debido a mutaciones en el operón waa (los genes waaT y waaW), las cuales alteraron sus lipopolisacáridos superficiales. Mientras que el virus natural se mostró completamente indefenso ante estas cepas resistentes, un cóctel de los 16 fagos generados por IA eliminó rápidamente a las bacterias resistentes en un plazo de cinco pases.
El cóctel sintético logró esto al recombinar sus arquitecturas genéticas en tiempo real (tomando segmentos de Evo-Φ111, Evo-Φ114 y Evo-Φ2147) y adquiriendo mutaciones específicas que decoraron el exterior de sus cápsides para evadir los nuevos escudos bacterianos. Al demostrar que los modelos de lenguaje de genoma completo pueden acceder a espacios evolutivos altamente competitivos y no obvios, Hie, King y sus colaboradores han construido un sólido mapa de ruta para diseñar entidades biológicas programables y estrategias antimicrobianas más resilientes.
Referencia principal: King, S. H., Driscoll, L. C., Li, D. B., et al. (2026). Generative design of novel bacteriophages with genome language models. bioRxiv (Preprint).nueva página en la historia de la ciencia.
Deja una respuesta