Un modelo de IA aprende el lenguaje de la vida y abre una nueva era: diseñar genomas como si fueran software.
Un equipo internacional de científicos presentó Evo 2 genomic foundation model, el modelo de inteligencia artificial más ambicioso creado hasta ahora para estudiar ADN. Publicado en la revista Nature, el sistema fue entrenado con billones de letras genéticas provenientes de miles de organismos y demuestra algo que hasta hace pocos años parecía ciencia ficción: una IA capaz de leer, interpretar y generar genomas completos. El avance podría transformar la medicina genética, la biotecnología y la investigación biológica al permitir analizar mutaciones humanas, descubrir funciones ocultas del ADN y diseñar secuencias genéticas completamente nuevas.
El momento “ChatGPT” de la genómica
Durante décadas, la biología computacional avanzó mediante herramientas especializadas. Había modelos para tareas muy concretas: algunos predecían la estructura de proteínas, otros evaluaban mutaciones o analizaban regiones regulatorias del ADN. Cada problema tenía su propio algoritmo.
Ese paradigma está cambiando.
Con la aparición de los modelos fundacionales, inspirados en los sistemas que revolucionaron la inteligencia artificial del lenguaje —como ChatGPT— los investigadores comenzaron a preguntarse si el ADN podía analizarse de la misma manera que un texto.
La premisa es sorprendentemente simple.
El lenguaje humano utiliza palabras y reglas gramaticales; el ADN, en cambio, está formado por cuatro letras químicas: A, C, G y T. Estas letras se organizan en secuencias que codifican genes, proteínas y mecanismos regulatorios que controlan la actividad de los organismos vivos.
Si un modelo de inteligencia artificial puede aprender los patrones del lenguaje humano leyendo miles de millones de frases, ¿podría hacer lo mismo con el lenguaje de la vida?
La respuesta parece ser sí.
Evo 2 fue diseñado precisamente para eso: aprender la “gramática” de los genomas. En lugar de entrenarse con libros o páginas web, el modelo analizó enormes bases de datos de ADN procedentes de bacterias, virus, plantas, animales y humanos.
El objetivo no era resolver un problema puntual, sino construir un sistema capaz de comprender cómo funciona el ADN en general.
Ese cambio de enfoque es lo que muchos científicos describen como el momento “ChatGPT” de la genómica.
Porque, igual que los grandes modelos lingüísticos pueden escribir ensayos o responder preguntas sin haber sido entrenados específicamente para cada tarea, Evo 2 puede abordar múltiples problemas biológicos con un único modelo.
Leer genomas.
Interpretar mutaciones.
Descubrir patrones ocultos.
Incluso generar nuevas secuencias genéticas.
En otras palabras, el ADN empieza a tratarse como un lenguaje computacional.
Qué puede hacer Evo 2
El potencial de este sistema se entiende mejor observando las capacidades que los investigadores ya han demostrado.
1️⃣ Diagnóstico genético
Una de las aplicaciones más inmediatas del modelo es el análisis de mutaciones humanas.
Cada persona posee millones de variaciones en su ADN, pero solo una pequeña fracción de ellas tiene consecuencias médicas. Determinar cuáles son peligrosas es una de las tareas más complejas de la genética clínica.
Evo 2 puede evaluar estas mutaciones observando el contexto completo del genoma.
Por ejemplo, el modelo fue capaz de analizar cambios en genes asociados al cáncer hereditario, como:
- BRCA1 gene
- BRCA2 gene
Las mutaciones en estos genes pueden aumentar significativamente el riesgo de cáncer de mama y ovario. En la práctica médica, identificar si una variante genética es realmente peligrosa requiere estudios complejos y años de investigación.
La inteligencia artificial puede acelerar ese proceso.
Al analizar patrones aprendidos de miles de genomas, Evo 2 puede estimar si una mutación tiene probabilidades de alterar la función de un gen. Esto podría ayudar a médicos e investigadores a interpretar variantes genéticas más rápido y con mayor precisión.
En el contexto de la medicina personalizada, este tipo de herramientas podría convertirse en un aliado clave para entender el riesgo genético de cada paciente.
2️⃣ Interpretar el “código oculto” del ADN
El ADN no es simplemente una lista de genes.
Gran parte del genoma humano —más del 98 %— no codifica proteínas. Durante décadas, esta región fue conocida como “ADN basura”, aunque hoy se sabe que contiene complejos sistemas regulatorios que controlan cuándo y cómo se activan los genes.
Comprender estas regiones ha sido uno de los mayores desafíos de la biología moderna.
Evo 2 ofrece una nueva forma de abordarlo.
Sin haber sido entrenado específicamente para identificar estructuras biológicas concretas, el modelo comenzó a reconocer patrones funcionales dentro del ADN, incluyendo:
- exones e intrones dentro de los genes
- regiones regulatorias que controlan la expresión genética
- señales relacionadas con la estructura de proteínas
- fragmentos de ADN viral integrados en los genomas
Este fenómeno recuerda a lo que ocurre con los modelos lingüísticos: al analizar grandes cantidades de texto, las redes neuronales aprenden por sí mismas reglas gramaticales y estructuras semánticas.
Aquí sucede algo parecido.
Al estudiar enormes volúmenes de secuencias genéticas, la IA comienza a identificar las reglas ocultas del funcionamiento del genoma.
Este hallazgo también desafía una crítica frecuente hacia la inteligencia artificial: la idea de que los modelos son “cajas negras” incomprensibles.
En realidad, el comportamiento de Evo 2 sugiere que estos sistemas pueden revelar patrones biológicos que antes eran invisibles para los científicos.
3️⃣ Generar ADN desde cero
Tal vez la capacidad más llamativa del modelo sea su habilidad para generar secuencias genéticas completas.
Los investigadores demostraron que Evo 2 puede crear secuencias plausibles de:
- ADN mitocondrial humano
- genomas bacterianos
- cromosomas completos de levadura
En algunos experimentos, los científicos incluso utilizaron patrones epigenéticos para codificar mensajes en código Morse dentro del ADN generado por la IA.
Más allá de la curiosidad técnica, estos experimentos muestran algo importante: el modelo no solo reconoce patrones existentes, sino que puede crear nuevas combinaciones coherentes dentro de las reglas de la biología.
Esto acerca a la biotecnología a un escenario radicalmente nuevo: diseñar genomas con la misma lógica con la que hoy se escribe software.
La pregunta inevitable: ¿puede crear vida?
Ante avances de este tipo, surge una pregunta inevitable.
Si una inteligencia artificial puede escribir ADN, ¿significa eso que podría crear organismos vivos?
La respuesta corta es no… al menos por ahora.
Diseñar secuencias plausibles no equivale a producir un organismo funcional.
La biología es extraordinariamente compleja. Un genoma debe interactuar con proteínas, estructuras celulares, mecanismos metabólicos y condiciones ambientales que aún no comprendemos completamente.
Un ejemplo histórico ilustra bien esta dificultad.
En 2008, científicos lograron sintetizar artificialmente el genoma de Mycoplasma genitalium, una de las bacterias más simples conocidas.
Incluso con ese organismo mínimo como referencia, reproducir un genoma funcional fue una tarea extremadamente compleja.
Crear vida desde cero sigue siendo uno de los desafíos científicos más difíciles que existen.
Sin embargo, herramientas como Evo 2 podrían acercar a los investigadores a comprender mejor los principios que hacen posible la vida.
Programar biología como si fuera software
Más allá de las preguntas filosóficas, el impacto práctico de este avance podría ser enorme.
La biología sintética lleva años intentando diseñar organismos con funciones específicas: bacterias capaces de producir medicamentos, plantas resistentes al cambio climático o enzimas industriales más eficientes.
La inteligencia artificial podría acelerar ese proceso.
Entre las aplicaciones potenciales de este tipo de modelos destacan:
Medicina personalizada
Interpretar el ADN de cada paciente para anticipar enfermedades o elegir tratamientos más eficaces.
Diseño de genes terapéuticos
Crear secuencias genéticas optimizadas para terapias contra enfermedades raras o trastornos hereditarios.
Biotecnología industrial
Desarrollar microorganismos que produzcan combustibles, materiales biodegradables o compuestos farmacéuticos.
Agricultura sintética
Diseñar cultivos más resistentes a plagas, sequías o cambios climáticos.
Descubrimiento de antibióticos
Explorar nuevas moléculas y mecanismos que permitan combatir bacterias resistentes.
En todos estos campos, el objetivo es el mismo: comprender el lenguaje del ADN lo suficientemente bien como para reescribirlo de forma controlada.
De editar genes a diseñar genomas
Durante años, la revolución genética estuvo asociada a herramientas de edición como CRISPR gene editing, que permiten modificar fragmentos específicos del ADN.
Pero los modelos fundacionales de genómica apuntan a algo aún más ambicioso.
No se trata solo de editar genes existentes.
La nueva frontera es diseñar genomas completos desde cero.
Esto implicaría pasar de la ingeniería genética tradicional a una forma de programación biológica, donde los científicos puedan planificar sistemas genéticos completos antes de sintetizarlos en el laboratorio.
En ese contexto, Evo 2 representa un primer paso hacia una biología guiada por inteligencia artificial.
El inicio de una nueva era científica
La historia de la ciencia está marcada por herramientas que cambian la forma de investigar.
El microscopio permitió observar células.
El telescopio reveló el universo.
La secuenciación genética permitió leer el ADN.
Ahora, la inteligencia artificial promete algo distinto: comprender y escribir el lenguaje de la vida.
Si los modelos fundacionales de genómica continúan evolucionando, podrían transformar profundamente la medicina, la biotecnología y nuestra comprensión de la biología.
Tal vez, dentro de algunas décadas, diseñar organismos útiles para la medicina o la industria sea tan habitual como hoy lo es escribir software.
Y en retrospectiva, los científicos podrían mirar atrás y reconocer que el punto de partida de esa revolución fue un sistema como Evo 2: el primer modelo de inteligencia artificial que comenzó a aprender, letra por letra, la gramática del ADN. 🧬🤖
Fuente: Brixi, G., Durrant, M.G., Ku, J. et al. Genome modelling and design across all domains of life with Evo 2. Nature (2026). https://doi.org/10.1038/s41586-026-10176-5 Download citation – DOI | Received18 February 2025 | Accepted22 January 2026 | Published04 March 2026 | Version of record 04 March 2026
