Autor/es reacciones

Jordi García Ojalvo

Catedrático de Biología de Sistemas en la Universidad Pompeu Fabra de Barcelona

La nota de prensa refleja bien el contenido del artículo, aunque se centra mucho (desde la primera frase) en la resistencia microbiana, que es solo parte de los resultados, y en cuestiones de bioseguridad, que de nuevo solo es parte de la discusión. El avance conseguido es importante, al mostrar que se puede diseñar desde cero un genoma funcional completo utilizando IA generativa, pero hay algunas cosas a considerar. 

En primer lugar, la eficiencia del proceso es baja: de miles de genomas generados se obtienen 16 fagos viables (se puede interpretar que el resto serán alucinaciones del modelo, al menos el resto de los 300 genomas testados en el laboratorio, de los miles diseñados). Sería de esperar que futuras versiones de este procedimiento aumenten la eficiencia, pero no está claro si se llegará a un salto cualitativo, pues los datos que estos modelos de lenguaje genómico tienen a su disposición es (y será) limitado. La baja eficiencia recuerda al reprogramado de células madre de Yamanaka, por el que este investigador consiguió el Nobel en 2012; dicha eficiencia ha ido subiendo, pero 14 años después sigue siendo baja (en este caso con IA generativa es más difícil de implementar). 

En segundo lugar, desde el punto de vista de la bioseguridad, en mi opinión el peligro aquí es menor que en LLM tradicionales, pues los genomas diseñados se han de testear en el laboratorio uno a uno, como han hecho en el artículo, y como digo la eficiencia es baja. Es difícil imaginar que estos modelos generen automáticamente genomas viables out-of-the-box. 

Finalmente, quisiera también enfatizar que estos avances no nos ayudan a entender por qué unos genomas son viables y otros no. Entender es algo humano, y en esto la AI generativa no nos puede sustituir.

ES