La IA descifra el lenguaje del ADN y sus implicaciones en la investigación científica

La inteligencia artificial y el lenguaje del ADN

Los avances en inteligencia artificial (IA) han dado un giro inesperado en la investigación genética. En lugar de limitarse a producir palabras, el modelo de IA conocido como Evo 2 ha demostrado su capacidad para predecir secuencias de ADN a partir de patrones establecidos. Este modelo, que fue lanzado hace poco más de un año, se ha ido perfeccionando y ahora ofrece a los científicos herramientas más efectivas para desentrañar el complejo lenguaje del ADN. Sin embargo, su impresionante potencia computacional también plantea interrogantes sobre el consumo energético asociado.

Los modelos de lenguaje tradicionales, como ChatGPT, funcionan mediante la predicción del siguiente término en una secuencia textual basada en estadísticas extraídas de grandes volúmenes de texto. Esta misma lógica ha sido aplicada por genetistas para entrenar modelos que interpretan las secuencias nucleotídicas A, T, G y C que componen nuestros genomas. Así, estos modelos se convierten en aliados cruciales para explorar y validar hipótesis científicas con mayor rapidez.

El funcionamiento de los modelos de IA

En esencia, un algoritmo de IA es una máquina diseñada para transformar datos numéricos. Las entradas —ya sean imágenes, sonidos o textos— son convertidas en cifras antes de que el algoritmo realice operaciones matemáticas simples y devuelva nuevos resultados numéricos. Este proceso básico permite que la IA realice tareas complejas como jugar al go o descifrar genomas.

La clave no radica únicamente en el codificado inicial, sino también en el aprendizaje continuo del modelo. A medida que se le presentan ejemplos, ajusta sus parámetros internos para mejorar su precisión. En el ámbito genómico, esto implica leer secuencias nucleotídicas y predecir cuál será la siguiente base en función de lo aprendido.

Desarrollo de modelos genómicos avanzados

Siguiendo este enfoque, los primeros modelos de lenguaje genómico fueron entrenados utilizando datos genéticos en lugar de textos convencionales. Uno de los más recientes es Evo 2, desarrollado por un equipo del Arc Institute en Silicon Valley. Este modelo ha sido alimentado con cerca de 10 billones de bases, lo que equivale a tres mil veces el tamaño del genoma humano.

A través de su vasta "ventana de lectura", Evo 2 puede identificar tanto reglas locales como relaciones distantes dentro del ADN, lo cual es fundamental para entender regiones no codificantes del genoma que a menudo permanecen inexploradas. Este avance no solo representa un hito técnico; también redefine las preguntas que se pueden formular dentro del campo biológico.

Implicaciones y futuro del estudio genético

A medida que estos modelos aprenden a completar secuencias nucleotídicas, comienzan a reconocer patrones biológicos sin necesidad de intervención humana directa. Esto incluye identificar la periodicidad tripletal del código genético y señales críticas para la maquinaria celular.

Además, Evo 2 tiene el potencial no solo para estimar efectos mutacionales sino también para generar nuevas secuencias funcionales in silico. Sin embargo, esta capacidad plantea importantes dilemas éticos relacionados con posibles riesgos eugenésicos y la creación de virus sintéticos.

Nuevas iniciativas y enfoques complementarios

En respuesta a estas necesidades emergentes, se ha lanzado el proyecto PLANETOID, financiado bajo la iniciativa Francia 2030. Su objetivo es desarrollar modelos más pequeños y accesibles que puedan ser utilizados en laboratorios académicos sin requerir enormes recursos computacionales.

A largo plazo, PLANETOID busca democratizar el acceso a herramientas avanzadas para estudiar la biodiversidad y mejorar nuestra comprensión sobre especies menos estudiadas pero fundamentales para el ecosistema global.