James Field cree que su laboratorio automatizado está a punto de descubrir un nuevo y potente fármaco capaz de destruir las células cancerosas con una precisión sin precedentes. Sin embargo, el fármaco no ha sido creado por ninguno de los biólogos que trabajan en su laboratorio: fue generado por la inteligencia artificial.
Field es un ingeniero de proteínas que trabaja en biología sintética, una disciplina que utiliza la tecnología más avanzada para diseñar nuevas células o componentes biológicos. En su ámbito, los investigadores suelen hablar de un ciclo conocido como diseñar, construir, probar, aprender (DBTL por sus siglas en inglés), un proceso iterativo en el que el producto final, ya sea una molécula o una nueva cepa de bacterias, se optimiza repetidamente hasta que presenta las características que buscan los científicos. La empresa de Field, LabGenius, forma parte de un grupo de startups que se encuentra a la vanguardia de una revolución en la que la IA gestiona cada vez más el ciclo DBTL de principio a fin.
El trabajo se lleva a cabo en el sofisticado laboratorio automatizado de la empresa, ubicado en una antigua fábrica de galletas del sur de Londres. Estos laboratorios, conocidos como biofoundries, surgieron por primera vez en la década de 2010, cuando la tecnología de edición genética, combinada con máquinas de “alto rendimiento” —capaces de realizar cientos de experimentos a la vez—, aceleró el ciclo DBTL en muchos órdenes de magnitud.
Los experimentos que utilizan biofoundries suelen consistir en adaptar un fragmento de ADN que luego se añade a un organismo huésped —con frecuencia la bacteria Escherichia coli o la levadura— para que produzca una molécula deseada, que puede ser desde un anticuerpo hasta un ingrediente para crear plástico sostenible.
Los algoritmos han sido parte integral de las biofoundries desde el principio para gestionar el funcionamiento de las máquinas de alto rendimiento. Pero el sector se acerca ahora a un punto en el que los modelos de IA están adquiriendo la sofisticación suficiente para programar el ADN con el fin de producir nuevos medicamentos y productos químicos industriales, un campo emergente conocido como SynBioxAI.
En lugar de limitarse a ayudar a poner en marcha la maquinaria, la IA puede ahora trabajar de forma iterativa, aprendiendo de los resultados y sugiriendo nuevas vías de experimentación, lo que reduce el tiempo de desarrollo de nuevos fármacos o productos químicos industriales de años a meses.
Según Paul Freemont, responsable de biología sintética en el Imperial College de Londres, nos estamos acercando a un punto crucial de “convergencia entre la automatización, los datos, el aprendizaje automatizado y la IA”. Él fue el presidente fundador de la Global Biofoundries Alliance, un grupo internacional de biofoundries financiadas con fondos públicos que se puso en marcha en 2019 en Kobe, Japón, con 16 miembros. El grupo ha crecido hasta contar con más de 40 miembros en todo el mundo, desde China hasta México.
Desde su puesta en marcha, los países han estado invirtiendo rápidamente en la capacidad de las biofoundries. Estados Unidos, por ejemplo, está destinando 75 millones de dólares al desarrollo de cinco nuevas biofoundries, mientras que China ha designado la biofabricación y la biología sintética como prioridades estratégicas fundamentales para su plan quinquenal 2026-2030.
El objetivo es diseñar la biología, programando las células para producir nuevos medicamentos y productos industriales, una tecnología que, según Freemont, “se convertirá en esencial para la humanidad”.
Sin embargo, cree que el campo aún no ha alcanzado plenamente este punto de convergencia. “Creo que hay una enorme cantidad de trabajo técnico que hay que realizar para hacer realidad la visión de lo que la gente está intentando lograr”, afirma.
Una tarea técnica clave es el trabajo de estandarización. En 2025, Freemont y sus colegas del Reino Unido, Corea del Sur y Estados Unidos publicaron un artículo en el que proponían una forma para que las biofoundries lo logren. “La idea era dotarnos de un léxico, por así decirlo, una especie de nomenclatura estandarizada y un flujo de trabajo estandarizado”, explica.
La Biofoundry Nacional de Corea y la Biofoundry de Londres —ubicada en el departamento de Freemont en el Imperial College— se encuentran entre las nueve organizaciones que participan en un proyecto para desarrollar dichos estándares y métricas globales. Con sede en la Universidad de Illinois en Urbana-Champaign, la iniciativa se puso en marcha en 2024 con financiación de la Fundación Nacional para la Ciencia de EE.UU., con el objetivo de hacer que el diseño genético sea “previsible, reproducible y escalable”.
Otro obstáculo que hay que superar es la enorme complejidad de los datos biológicos. En un informe de 2025 sobre el futuro de la biología sintética, la inteligencia artificial y la automatización, la Organización para la Cooperación y el Desarrollo Económicos señaló que una de las tendencias clave del sector era la necesidad de agregar estos datos: “abordar la fragmentación, promover conjuntos de datos seleccionados de alta calidad con sostenibilidad a largo plazo y equilibrar la apertura con la seguridad”.
Un ejemplo de la desorganización actual de los datos biológicos lo encontramos en la investigación botánica, donde los genomas están “dispersos en diferentes bases de datos” y “presentan una calidad variable en distintos formatos”, afirma la bióloga vegetal Anne Osbourn, del John Innes Centre, un instituto de investigación en ciencias vegetales, genética y microbiología con sede en Norwich, Reino Unido. “No están estandarizados. Eso supone un reto”. Para continuar con su trabajo, su equipo tuvo que desarrollar una forma de asimilar toda la información sobre secuencias de genomas vegetales disponible públicamente, de modo que los algoritmos pudieran buscar en ella para identificar los genes que les interesaban.
En 2024, su grupo informó de que había reconstituido en una planta de tabaco el proceso completo, de 20 pasos, necesario para fabricar un fármaco llamado QS-21, obtenido de la corteza de un árbol de Chile. El QS-21 se utiliza para potenciar la eficacia de las vacunas; ahora, a través de una startup llamada HotHouse Therapeutics, Osbourn y sus colegas están trabajando para crear más y mejores fármacos de ese tipo.
Los genomas vegetales son un tesoro de genes que podrían combinarse para crear fármacos de nueva generación, afirma Osbourn; el potencial, añade, es “enormemente disruptivo”. Pero, por el momento, se han secuenciado muy pocos genomas y se han analizado aún menos. “Ni siquiera conocemos la gran mayoría de los procesos químicos que existen ahí”, afirma.
Otra biofoundry, la del Instituto Earlham, situada en el mismo parque de investigación que el John Innes Centre, está desarrollando una forma de crear un cromosoma artificial vegetal para la papa: los científicos podrían añadirle genes de manera eficiente para que la planta produzca nutrientes adicionales o se vuelva más resistente a las plagas. El objetivo actual es crear una biblioteca de elementos de control de la papa que puedan ensamblarse en el cromosoma sintético para introducir los rasgos deseados.
La IA está ayudando a los investigadores a saber dónde buscar. Sin ella, sería una tarea titánica: una papa tiene decenas de miles de genes entre los que elegir, y cada gen tiene un elemento de control al principio y al final, que pueden combinarse de diferentes maneras.
“El espacio experimental es muy amplio”, afirma Melissa Salmon, directora de operaciones de Earlham Biofoundry. “El papel de la IA sería ayudarnos a explorar ese espacio de manera eficiente”.
El aprendizaje automatizado ayuda a los investigadores a sintetizar las enormes cantidades de datos recopilados a partir de la secuenciación de genomas en un pequeño subconjunto, que los científicos utilizan luego para diseñar su siguiente experimento. Y el equipamiento automatizado de la biofoundry les permite probar múltiples variaciones al mismo tiempo. “Creo que ha cambiado enormemente el ámbito científico”, afirma Salmon.
La automatización completa de extremo a extremo del ciclo DBTL mediante IA suele ser el objetivo final del desarrollo de las biofoundries, aunque la complejidad biológica puede suponer un obstáculo. Esto es especialmente cierto cuando el resultado es un organismo completo, explica Michael Köpke, director de innovación de LanzaTech, una empresa con sede en Illinois. Se especializa en el uso de bacterias para convertir CO₂ y otros gases residuales —incluidas las emisiones de las acerías y la biomasa gasificada o los residuos municipales— en combustibles y materias primas para empresas de ropa como Adidas y H&M.
Su empresa utiliza una biofoundry para crear y seleccionar miles de nuevas cepas bacterianas cada semana. Están optimizando los microbios para que sean más eficientes a la hora de convertir el CO₂ y producir etanol o sintetizar otras moléculas específicas. Estas pueden utilizarse como combustible y en la industria manufacturera, en la búsqueda de una economía más eficaz en el reciclaje del carbono.
Por el momento, el equipo de Köpke está utilizando la IA en tres fases del ciclo DBTL. La IA está ayudando a diseñar nuevas enzimas, a construir las partes necesarias del ADN y a interpretar los resultados de las pruebas (la parte de “aprendizaje” del DBTL). “Aún no contamos con un ciclo totalmente autónomo”, afirma —por ahora, los científicos siguen teniendo que tomar estas sugerencias y poner en marcha el siguiente ciclo de pruebas—. No obstante, cree que todo el proceso podría automatizarse en el futuro con una supervisión humana mínima.
La IA también está desempeñando un papel fundamental en la fase de diseño del ciclo en el laboratorio totalmente automatizado de Field, dando lugar a nuevos diseños que no se le habrían ocurrido a un ser humano debido al gran número de parámetros que la IA puede tener en cuenta al mismo tiempo —aspectos como las propiedades funcionales de los componentes básicos del anticuerpo, la geometría de dichos componentes en la molécula final y propiedades biofísicas como los cúmulos de cargas positivas y negativas—.
La IA puede entonces integrar todos estos datos para predecir la función de la molécula y si su desarrollo es viable. Como resultado, afirma Field, “lo que es capaz de hacer es adentrarse en áreas del espacio de diseño en las que los humanos normalmente nunca habrían buscado”. Quizás no sea de extrañar, añade, que “las moléculas que surgen de nuestro proceso de descubrimiento tengan un aspecto realmente extraño”.
Uno de los resultados prometedores de esta investigación es el producto estrella de LabGenius, un anticuerpo denominado LGTX-101, un fármaco capaz de activar el sistema inmunitario para que elimine selectivamente las células cancerosas, sin afectar a las células sanas. A diferencia de otros fármacos similares disponibles en el mercado, el LGTX-101 actúa mediante tres componentes de unión que reconocen la Nectina-4, una proteína presente en muchas células sanas, pero que se encuentra en mayor cantidad en determinadas células tumorales.
Dado que el LGTX-101 necesita unirse a la Nectina-4 en tres puntos antes de atraer a una célula inmunitaria para que termine el trabajo, en las pruebas tiene más de 70.000 veces más probabilidades de atacar a una célula cancerosa que a una sana, según afirma la empresa. Ya se ha demostrado su eficacia para destruir tumores en ratones a los que se les han trasplantado líneas celulares de cáncer de mama humano; la empresa comenzará los ensayos clínicos en humanos en fase inicial en 2027.
Incluso los investigadores que no disponen del presupuesto necesario para construir su propia biofoundry pueden sumarse a la iniciativa: la empresa estadounidense Ginkgo Bioworks ofrece un modelo de laboratorio de alquiler desde su biofoundry Nebula, con sede en Boston.
La biofoundry está totalmente automatizada y utiliza inteligencia artificial y más de 100 robots para diseñar, ejecutar y analizar experimentos. “Cuenta con 70 dispositivos científicos diferentes. Y todo el sistema está controlado por software”, explica Jason Kelly, director ejecutivo de Ginkgo. “Así pues, si envías una orden de software a ese laboratorio, tu experimento se llevará a cabo”.
El servicio se ha ampliado ahora a los usuarios en línea a través del servicio Cloud Lab de Ginkgo, lanzado en marzo de este año. “La idea era: ¿podríamos hacer que también fuera accesible para personas fuera del edificio para que pudieran solicitar un experimento?”, explica Kelly.
El Cloud Lab funciona a través de un agente de IA en línea llamado EstiMate, que permite a los científicos enviar su experimento en lenguaje natural y recibir una evaluación y un presupuesto inmediatos. Es una forma de poner la tecnología al alcance de científicos de todo el mundo que, de otro modo, quizá no podrían acceder a una biofábrica automatizada, afirma Kelly.
De hecho, Kelly vislumbra un futuro en el que un científico de IA podría permitir incluso a personas sin formación científica realizar experimentos. “Podrían interactuar con un científico de IA que diseñaría para ellos los experimentos que se llevarían a cabo en el laboratorio autónomo —y así podrían dedicarse a la ciencia—”, afirma Kelly.
Pero abrir de par en par las puertas a esta tecnología también supone un riesgo, afirma la especialista en bioseguridad Leyma De Haro, científica de la empresa de ingeniería Merrick, con sede en Colorado, y autora del libro Biosecurity in the Age of Synthetic Biology (Bioseguridad en la era de la biología sintética). Esto significa que habrá personas con acceso a la tecnología en países que carecen de normativas que impidan su uso con fines maliciosos, como la fabricación de un arma biológica. “Eso hace que el mundo entero sea vulnerable, no solo ese país o esa región”, afirma.
De Haro también advierte de que las biofoundries podrían ser vulnerables a los ataques informáticos, especialmente cuando están gestionadas por IA. Un agente de IA controlado por un gobierno hostil o un grupo terrorista “podría… secuestrar tu sistema sin que te dieras cuenta, simplemente para sabotear tus experimentos, lo que en sí mismo podría resultar perjudicial”, explica. “Podrían robar tus datos o tu información para sus propios fines, o podrían intentar secuestrar tu sistema para realizar experimentos por su cuenta sin que tú lo sepas”.
El problema es que la tecnología avanza a una velocidad tan vertiginosa que los reguladores tienen dificultades para seguirle el ritmo. “Hay que pensar más rápido también en las cuestiones éticas que esto podría plantear”, afirma Marileen Dogterom, biofísica de la Universidad Tecnológica de Delft, Países Bajos, que fue coordinadora adjunta de un informe del Comité Internacional de Bioética de la UNESCO sobre las cuestiones éticas relacionadas con la biología sintética.
Tras señalar que la biología sintética está cada vez más impulsada por la IA, el informe formuló una serie de recomendaciones para que este campo pueda desarrollarse de forma responsable, como la creación de un órgano rector mundial y una organización de supervisión, así como el establecimiento de directrices éticas. Con la esperanza de impulsar la acción, el grupo está presentando el informe en encuentros en los que se dan cita científicos, gobiernos y empresas, como el Simposio sobre Biología Sintética y Bioética organizado conjuntamente por la Comisión Nacional de Turquía para la UNESCO y la Universidad de Acıbadem en Turquía en febrero de 2026.
“La urgencia”, afirma Dogterom, “radica en reflexionar sobre los riesgos, la bioseguridad, las cuestiones éticas y qué hacer con esta nueva tecnología: cómo garantizar que beneficie al planeta en su conjunto y no solo a una parte muy pequeña del mismo”.
Artículo traducido por Debbie Ponchner
---
Este artículo fue publicado originalmente en Knowable Magazine, una publicación sin ánimo de lucro dedicada a poner el conocimiento científico al alcance de todos. Suscríbase al boletín de Knowable en español”.
