Última actualización el 11 de noviembre de 2025 por Ecologica Life
¿Qué ocurre cuando combinamos la curiosidad humana con el razonamiento a escala de máquina? Investigaciones recientes sugieren que estamos entrando en una era de verdadera colaboración entre los seres humanos y la inteligencia artificial.
En dos estudios recientes, un sistema especializado de IA desarrollado por Google LLC no sólo asista a como un auténtico socio en el proceso de descubrimiento. En un caso, propuso fármacos candidatos que mostraron actividad antifibrótica en un modelo de laboratorio de enfermedad hepática crónica. En otro, descubrió de forma independiente un mecanismo biológico de transferencia genética bacteriana que los científicos humanos habían tardado años en descifrar.
¿Por qué nos interesa en Ecologica.life un avance así, especialmente en el campo de la IA? Bueno, apunta a un posible cambio de paradigma: asociaciones entre humanos e inteligencia artificial en biociencia, con implicaciones para la medicina, la ecología, la biotecnología y más.
En este artículo exploraremos cuáles son los límites de la investigación y el descubrimiento tradicionales, así como los retos a los que se enfrentan los investigadores modernos a la hora de ampliar las fronteras del conocimiento científico. A continuación, analizaremos dos casos prácticos en los que la IA ha ayudado a los investigadores y estudiaremos sus implicaciones para otros campos. Por último, debatiremos los retos y las consideraciones éticas que plantea el uso de la IA en la investigación. Espero que disfrute leyéndolo tanto como yo escribiéndolo.
Índice
El problema: los límites del descubrimiento tradicional
La ciencia biomédica se está haciendo tan grande y compleja que cada vez resulta más difícil trabajar con ella sólo con equipos humanos. El volumen de literatura publicada, la diversidad de tipos de datos y las exigencias interdisciplinares crean importantes cuellos de botella:
- Tomemos como ejemplo el descubrimiento de fármacos: muchas enfermedades, como la fibrosis hepática, han eludido el tratamiento eficaz porque los modelos actuales no imitan bien la fisiología humana.
- O pensemos en la evolución microbiana: el mecanismo por el que los elementos genéticos se desplazan de una especie a otra puede estar oculto en capas de biología molecular, cuya revelación requiere años de minucioso trabajo experimental.
En resumen: los científicos humanos siguen soportando la pesada carga de la creatividad, la intuición y la experimentación, pero la enorme escala de interconexión de la biología moderna hace que la investigación de vanguardia sea extremadamente difícil.
Estos retos explican por qué los investigadores recurren cada vez más a la IA no sólo como una herramienta, sino como un instrumento. socio pensante capaces de ayudar a descifrar la complejidad biológica.
Investigación destacada: Lo que hizo la IA
Para probar si la IA puede razonar como un científico, el equipo de investigación de Google desarrolló un sistema colaborativo basado en su modelo Gemini 2.0, y los resultados fueron notables.
Los dos estudios de caso siguientes ilustran cómo trabajó el ‘co-científico’ de IA.
1. La fibrosis hepática
En un estudio publicado en Ciencia avanzada, los investigadores pidieron al sistema de IA de Google que explorara mecanismos epigenómicos en la fibrosis hepática, es decir, cómo los cambios químicos en la regulación de los genes (y no los cambios en la propia secuencia del ADN) podrían ser dianas terapéuticas.
El sistema de IA se describe como una configuración multiagente construida sobre el modelo gemini 2.0 large language model (LLM), en el que diferentes agentes (Agente de Generación, Agente de Reflexión, Agente de Clasificación, Agente de Evolución y Agente de Meta-revisión) cooperan dentro de un modelo científico en bucle.
Para el proyecto del hígado:
- Los investigadores humanos proporcionaron una indicación: área (efectos epigenómicos en la fibrosis hepática) + métodos experimentales (uso de organoides hepáticos).
- La IA propuso tres clases de reguladores epigenómicos como prometedoras dianas farmacológicas: las histonas desacetilasas (HDAC), la ADN metiltransferasa 1 (DNMT1) y la proteína bromodominio 4 (BRD4).
- Pruebas experimentales en organoides hepáticos humanos (minihígados tridimensionales derivados de células madre) revelaron que los inhibidores de la HDAC y los inhibidores de la BRD4 mostraban potentes efectos antifibróticos. Uno de los compuestos, el vorinostat (ya aprobado por la FDA para el cáncer), suprimía la fibrosis y estimulaba el crecimiento de células hepáticas sanas.
- Curiosamente, otras dos dianas farmacológicas elegidas por los investigadores humanos (basadas en una bibliografía previa más extensa) sí lo hicieron no reducir la fibrosis en el mismo modelo, lo que sugiere que la IA identificó pistas que los investigadores humanos habían pasado por alto.
2. Descifrar un misterio microbiano
En una segunda demostración, publicado en Celda, la IA abordó el enigma de cómo las islas cromosómicas idénticas inducibles por fagos (cf-PICIs)1 aparecen en diferentes especies bacterianas, a pesar de que los fagos en los que se basan para movilizarse suelen infectar sólo a un reducido número de huéspedes.
Los humanos habían resuelto el mecanismo (mecanismo de “piratería de colas”: cápsides sin cola rellenas de ADN que secuestran las colas de otros fagos) tras una década de trabajo.
A la IA sólo se le proporcionaron datos disponibles públicamente antes del descubrimiento humano. Generó hipótesis; su principal sugerencia fue que las cf-PICI aprovechan las “interacciones cápside-cola” para ampliar el alcance del huésped, casi exactamente el mecanismo determinado por el ser humano.
El hecho de que la IA llegara a esta conclusión de forma independiente y rápida es sorprendente, ya que demuestra un razonamiento más que una simple coincidencia de patrones.
| Estudiar | Campo | Cronología humana | Calendario de la IA | Resultados clave |
|---|---|---|---|---|
| Fibrosis hepática | Biomédica | Búsqueda de drogas en curso | Semanas | Inhibidores de HDAC/BRD4 identificados con efectos potentes |
| Transferencia genética microbiana | Microbiología | ~10 años | Días | Mecanismo de “piratería de cola” deducido de forma independiente |
Implicaciones: Lo que esto significa para la ecología, la salud y la sostenibilidad
Descubrimiento acelerado
En campos como las ciencias medioambientales, la biotecnología y la salud, la combinación de la visión humana con el razonamiento de la IA podría acelerar considerablemente los avances. En lugar de esperar años a que se produzcan iteraciones de prueba y error, los flujos de trabajo mejorados por la IA podrían reducir el tiempo que transcurre entre la idea y el experimento.
Vanguardia interdisciplinar
Los problemas complejos -por ejemplo, cómo influyen los contaminantes en las comunidades microbianas o cómo cambian las interacciones entre plantas y microbios bajo el estrés climático- suelen abarcar muchos ámbitos. Los sistemas de IA que analizan la bibliografía, proponen hipótesis y sugieren experimentos pueden ayudar a colmar esas lagunas.
Colaboración humano-ai, no sustitución
Los investigadores insisten en que la IA no sustituye al criterio humano. La calidad de los datos públicos disponibles limita lo que la IA puede hacer. Además, los humanos siguen siendo necesarios para evaluar qué pistas seguir.
En resumen, los conocimientos técnicos, la creatividad y la ética siguen siendo fundamentales.
Retos y consideraciones éticas
- Calidad y sesgo de los datos: El resultado del sistema es tan bueno como los datos en los que se basa. Los sesgos de publicación, los conjuntos de datos incompletos o una documentación experimental deficiente pueden inducir a error a la IA.
- Cuello de botella de la validación experimental: Aunque generar hipótesis es rápido, probarlas en laboratorio sigue siendo lento, caro y exige muchos recursos. Sigue siendo fundamental establecer prioridades.
- Interpretabilidad y transparencia: A medida que la IA se involucra más en la generación de hipótesis, cobra importancia cómo auditamos su razonamiento. ¿Podemos rastrear por qué propuso un determinado mecanismo o medicamento?
- Equidad y acceso: Los potentes sistemas de IA pueden aumentar las diferencias entre los laboratorios bien financiados y los que carecen de recursos.
- Uso ético en biociencia: A medida que la IA ayuda a proponer mecanismos en microbiología o transferencia de genes, se necesita supervisión para garantizar que se tienen en cuenta los riesgos de doble uso (por ejemplo, ingeniería microbiana perjudicial).
Impacto medioambiental de la inteligencia artificial
Conclusión
El trabajo del cocientífico de IA de Google señala una evolución significativa: el paso de herramientas que asisten a los científicos a sistemas que colaboran en el proceso de descubrimiento. Para ustedes, nuestros lectores de Ecologica.life, esto significa que el futuro de la investigación (y de la humanidad) será humano más máquina, no humano contra máquina. Juntos, podríamos obtener conocimientos más rápidos e integradores en una amplia gama de campos, como la biociencia y la sostenibilidad, y quizá incluso la astronomía. Para reflexionar: tal vez esta revolución de la IA nos permita explorar y vivir más allá de la Luna y quizá incluso más allá de nuestro sistema solar.
La cuestión ahora no es si la IA cambiará la ciencia, sino cómo podemos guiar este cambio de forma responsable.
¿Qué opina usted al respecto? ¿Cómo podría el descubrimiento impulsado por la IA reconfigurar la investigación que le interesa y qué preguntas deberíamos hacernos ahora?
- Pequeño segmento de ADN bacteriano que puede secuestrar la maquinaria de un bacteriófago para transferirse entre bacterias. Algunas PICI, como las cf-PICI (PICI “formadoras de cápside”), forman sus propias partículas víricas y desempeñan un papel fundamental en la transferencia horizontal de genes. ↩︎
