Cerca de 950 agentes de Claude analizaron más de 200.000 transcriptasas inversas y redujeron 3.500 posibles sistemas a veinte candidatos hasta detectar ART, una extraña combinación de enzima, proteína y ADN repetitivo que recuerda a CRISPR y cuya función todavía es desconocida.
Claude acaba de atravesar una frontera bastante más interesante que responder mejor una pregunta, escribir código o resolver un problema matemático. Anthropic asegura que su inteligencia artificial ha participado de forma protagonista en el descubrimiento de un sistema enzimático hasta ahora no caracterizado, escondido en el ADN de bacteriófagos —virus que infectan bacterias— y acompañado de una larga secuencia de ADN repetitivo que presenta algunas semejanzas estructurales con CRISPR. El hallazgo no significa que Claude haya descubierto «un nuevo CRISPR», ni mucho menos una terapia genética lista para utilizarse. Los investigadores todavía desconocen qué función biológica cumple el sistema. Pero el proceso mediante el que se ha encontrado puede ser tan significativo como el propio descubrimiento: una IA recibió una dirección científica general, recorrió enormes bases de datos genómicos, leyó literatura especializada, identificó una anomalía que nadie había caracterizado de aquella manera, construyó una hipótesis y propuso experimentos que científicos humanos llevaron posteriormente al laboratorio.
Anthropic presentó el 23 de septiembre el resultado junto con su apuesta por ampliar la investigación en ciencias de la vida. El sistema descubierto ha recibido el nombre de ART, siglas de array-associated reverse transcriptases, o transcriptasas inversas asociadas a matrices. Está formado por tres elementos que aparecen juntos: una transcriptasa inversa, un gen asociado que codifica una proteína cuya función todavía se desconoce y una larga matriz de secuencias repetidas de ADN espaciadas regularmente. La transcriptasa inversa concreta ya había aparecido en estudios anteriores sobre un bacteriófago gigante; lo novedoso es que Claude parece haber sido el primero en reconocer que esa enzima, la proteína vecina y la matriz repetitiva podían constituir un mismo sistema biológico. La semejanza con CRISPR resulta sugerente precisamente por esas repeticiones, aunque los científicos todavía están muy lejos de poder afirmar que ART tenga una función equivalente.
21 horas para buscar una aguja en un pajar genómico
La escala del experimento permite entender por qué la IA puede resultar especialmente poderosa en investigación genómica. Los científicos de Anthropic no indicaron a Claude dónde estaba el hallazgo ni qué debía encontrar exactamente. Le plantearon una tarea amplia: buscar en una enorme base de datos de secuencias de ADN ejemplos interesantes y desconocidos de transcriptasas inversas, unas enzimas capaces de copiar información genética desde ARN hacia ADN. Aproximadamente 950 agentes de Claude trabajaron durante 21 horas y consumieron unos 210 millones de tokens. Reunieron más de 200.000 transcriptasas inversas, identificaron alrededor de 3.500 posibles sistemas y fueron descartando candidatos hasta quedarse con los veinte que consideraron más interesantes. Para cada uno elaboraron informes destinados a los investigadores humanos en los que explicaban qué habían encontrado, qué función podría tener y qué evidencias respaldaban la hipótesis.
Según Anthropic, un análisis de esta naturaleza puede requerir semanas o meses de trabajo de un investigador experto. Eso no significa que la IA haya sustituido esas semanas de ciencia por 21 horas de computación, porque después había que interpretar el candidato, comprobar que la observación era real y llevar la hipótesis al laboratorio. Pero sí muestra que una de las partes más costosas de la investigación —explorar un océano de información buscando algo excepcional— puede comprimirse extraordinariamente. La IA puede recorrer en paralelo cantidades de literatura y datos imposibles de abarcar manualmente, descartar miles de candidatos poco prometedores y concentrar el trabajo humano en unas pocas posibilidades con mayor interés científico.
Lo más llamativo ocurrió cuando uno de los agentes encontró una anomalía. Mientras analizaba el ADN situado alrededor del gen de una transcriptasa inversa poco habitual, Claude detectó una sucesión de repeticiones espaciadas regularmente. No era el objetivo concreto que le habían marcado los investigadores, pero el agente consideró que aquello merecía atención. Contó las repeticiones, estudió la distancia entre ellas, comparó la arquitectura genética con sistemas conocidos y buscó en la literatura científica si alguien había descrito anteriormente aquella combinación. Finalmente concluyó que podía encontrarse ante un sistema biológico no caracterizado y preparó un informe para que los investigadores humanos lo revisaran. Ese comportamiento es precisamente una de las partes más interesantes del experimento: la IA no se limitó a ejecutar una búsqueda definida previamente por una persona, sino que identificó algo anómalo, decidió profundizar en ello, buscó evidencias y formuló una hipótesis susceptible de ser comprobada experimentalmente.
Se parece a CRISPR, pero todavía no sabemos qué hace
La comparación con CRISPR es inevitable y al mismo tiempo exige mucha cautela. CRISPR también llamó inicialmente la atención de los científicos por unas extrañas secuencias repetitivas encontradas en microorganismos. Décadas de investigación permitieron comprender que formaban parte de un sofisticado sistema inmunitario utilizado por bacterias y arqueas contra material genético invasor. Posteriormente, los investigadores aprendieron a programar aquella maquinaria para cortar ADN en lugares específicos y la convirtieron en una de las herramientas más importantes de la biología molecular moderna, hasta el punto de convertirse en fundamento de nuevas terapias genéticas. ART presenta ahora una característica visualmente sugerente: junto a la transcriptasa inversa existe una larga matriz de repeticiones de ADN espaciadas regularmente. Pero parecido no significa equivalente, y no existe todavía evidencia de que ART sea un sistema de edición genética.
Los primeros experimentos realizados por el equipo han encontrado que la matriz ART se expresa como un conjunto de pequeños ARN diferenciados. Es un dato especialmente interesante porque abre la posibilidad de que esos ARN desempeñen algún papel funcional relacionado con la enzima. Sin embargo, todavía no se ha demostrado que la transcriptasa inversa de ART utilice esos ARN, ni cuál es su sustrato, ni qué función cumple el sistema para el bacteriófago. Mucho menos que sea programable o que pueda editar ADN. La formulación científicamente correcta, por tanto, no es que Claude haya encontrado un nuevo CRISPR, sino que ha descubierto una arquitectura genética desconocida con algunas características que recuerdan a familias de sistemas moleculares que históricamente han resultado extraordinariamente interesantes para la biotecnología.
La pieza central de ART es una transcriptasa inversa, una familia de enzimas especialmente importante en biología molecular. Mientras el flujo clásico de información genética va del ADN al ARN, estas enzimas realizan el recorrido inverso: utilizan ARN como molde para producir ADN. Durante los últimos años ha aumentado considerablemente el interés científico por transcriptasas inversas presentes en bacterias y otros sistemas biológicos. Algunas forman parte de mecanismos de defensa y otras arquitecturas moleculares que apenas estamos empezando a comprender. Anthropic sitúa ART dentro de una línea científica mucho más amplia que incluye CRISPR y descubrimientos recientes como las bridge recombinases y VIPR, ejemplos de cómo la exploración de la enorme diversidad molecular de microorganismos y virus puede revelar mecanismos que posteriormente se conviertan en herramientas biotecnológicas.
La historia de la biología invita a investigar estas rarezas, aunque no permita anticipar su utilidad. Las enzimas de restricción proceden de sistemas utilizados por bacterias para defenderse de virus y acabaron proporcionando a los científicos herramientas para cortar ADN. La polimerasa Taq, procedente de una bacteria adaptada a temperaturas elevadas, hizo posible la expansión de la PCR como técnica fundamental de la biología molecular. CRISPR siguió otra trayectoria semejante: primero fue una peculiaridad biológica, después un mecanismo comprendido científicamente y finalmente una herramienta programable. ART se encuentra todavía en el primero de esos escalones y puede que nunca alcance los siguientes, pero precisamente por eso constituye investigación fundamental y no el anuncio de una aplicación médica inmediata.
Claude entra en el ciclo del descubrimiento científico
El aspecto potencialmente más relevante del anuncio puede no ser ART, sino la manera en que Claude ha participado en su descubrimiento. La investigación genómica se enfrenta a una paradoja creciente: disponemos de cantidades gigantescas de información biológica, pero nuestra capacidad humana para analizarla detalladamente es limitada. Las bases de datos contienen millones de secuencias genéticas correspondientes a organismos, microorganismos y virus, y muchas codifican proteínas cuya función todavía desconocemos. En ese territorio, la capacidad de una IA para trabajar durante horas sobre cientos de miles de secuencias, contrastar literatura, clasificar familias, detectar patrones y señalar anomalías puede convertirse en una herramienta científica especialmente poderosa.
Uno de los flujos de trabajo desarrollados por Anthropic consiste precisamente en pedir a Claude que explore familias de proteínas poco caracterizadas. El modelo comienza leyendo la literatura científica disponible, reproduce resultados conocidos utilizando datos públicos para comprobar que su metodología funciona y después busca miembros de esas familias o genes vecinos que no encajan en ningún sistema descrito. La mayoría de las hipótesis acaban descartándose, y ese detalle es importante: la ciencia no consiste simplemente en producir muchas ideas, sino en distinguir cuáles merecen ser investigadas. La abundancia de hipótesis generadas por Claude se convierte así en otro problema científico, porque los investigadores necesitan determinar qué diferencia una propuesta prometedora de una asociación casual o irrelevante y trasladar progresivamente ese criterio al trabajo del modelo.
Claude, además, no realizó físicamente los experimentos. Los agentes exploraron los datos, construyeron hipótesis, analizaron candidatos y ayudaron a diseñar las comprobaciones. Cuando apareció un candidato suficientemente interesante, científicos humanos expresaron las proteínas en cepas habituales de laboratorio y realizaron los análisis bioquímicos correspondientes. Claude volvió después a intervenir en la interpretación de los resultados. La división del trabajo resulta significativa porque cuestiona una objeción habitual sobre la capacidad de la IA para acelerar la biología: a diferencia de las matemáticas, donde determinados problemas pueden resolverse teóricamente dentro del ordenador, la biología necesita confrontar las hipótesis con organismos, células, moléculas y experimentos físicos. Pero eso no significa que la IA tenga un papel secundario. Puede reducir enormemente el espacio de búsqueda antes de que empiece el experimento y volver a intervenir cuando llegan los resultados.
Acelerar la ciencia sin eliminar el tiempo de la ciencia
Esta combinación puede modificar el ritmo de la investigación. Un agente puede recorrer bases de datos durante horas, seleccionar candidatos y proponer experimentos; los científicos pueden realizar las pruebas durante las semanas siguientes; los resultados pueden volver a la IA para generar nuevas hipótesis y decidir el siguiente experimento. El ciclo se repite. El objetivo no consiste necesariamente en eliminar al investigador humano, sino en aumentar el número y la calidad de las hipótesis que puede probar y reducir el tiempo dedicado a búsquedas que terminan en callejones sin salida.
Las implicaciones van bastante más allá del descubrimiento de enzimas. La investigación biomédica comienza con conocimiento fundamental sobre cómo funciona la biología, continúa con la identificación de posibles dianas terapéuticas, pasa por el descubrimiento y desarrollo de fármacos y llega finalmente a ensayos clínicos y tratamientos. Una IA no puede hacer desaparecer los años necesarios para comprobar la seguridad y eficacia de un medicamento en seres humanos, pero sí podría aumentar considerablemente el número de candidatos prometedores que llegan al principio de esa larga tubería. La diferencia es importante: quizá no reduzca inmediatamente la duración de un ensayo clínico, pero puede aumentar el volumen y la calidad de las posibilidades que entran en el sistema.
Dario Amodei interpreta el hallazgo dentro de una tesis mucho más ambiciosa sobre la aceleración científica mediante inteligencia artificial. El consejero delegado de Anthropic sostiene desde hace tiempo que modelos suficientemente capaces podrían acelerar diferentes etapas de la investigación biomédica y ha planteado escenarios extraordinariamente optimistas sobre el impacto de la IA en las enfermedades durante la próxima década. ART no demuestra esas predicciones y ni siquiera demuestra todavía que se haya descubierto una nueva herramienta de edición genética. El propio Amodei reconoce que la función precisa del sistema, su posible utilidad biotecnológica y su importancia científica todavía no están claras. Lo que sí considera relevante es que la IA haya sido capaz de recorrer literatura y datos genómicos, identificar algo que los investigadores anteriores no habían caracterizado como sistema y generar una hipótesis suficientemente sólida para justificar experimentos reales.
El descubrimiento puede ser también una nueva manera de investigar
La historia de CRISPR puede provocar una tentación periodística comprensible: presentar cualquier sistema con secuencias repetitivas y potencial biotecnológico como «el próximo CRISPR». Los datos disponibles no permiten hacerlo. Anthropic ha obtenido evidencia de una combinación peculiar de transcriptasa inversa, gen asociado y matriz repetitiva, y los experimentos indican que esa matriz genera pequeños ARN. Pero todavía debe demostrar la actividad concreta de la enzima, determinar qué moléculas utiliza, comprender la función biológica del sistema y establecer si existe alguna capacidad programable aprovechable tecnológicamente. Puede resultar que ART termine siendo una herramienta biotecnológica extraordinariamente útil, que su función sea científicamente interesante pero poco aprovechable o que el descubrimiento conduzca hacia mecanismos completamente diferentes de los imaginados inicialmente. Así funciona la investigación fundamental.
Por eso el experimento merece atención incluso si ART nunca llega a utilizarse para editar un solo gen. Lo verdaderamente novedoso es el reparto del trabajo intelectual. Los científicos definieron un territorio de investigación; Claude leyó la literatura y exploró los datos; centenares de agentes trabajaron simultáneamente sobre diferentes posibilidades; uno detectó una anomalía; la IA decidió investigarla, comparó el hallazgo con el conocimiento existente y presentó una hipótesis; los investigadores humanos juzgaron que merecía la pena comprobarla y entraron en el laboratorio; los resultados experimentales volvieron después al ciclo de análisis. No estamos todavía ante una IA que maneja de forma autónoma un laboratorio completo, pero tampoco ante científicos que simplemente utilizan un buscador más rápido. Empieza a aparecer un modelo híbrido en el que humanos y agentes se reparten diferentes partes del proceso científico.
Si esta metodología se generaliza, el cambio puede ser considerable. La literatura científica crece más rápido de lo que cualquier investigador puede leer, las bases de datos biológicas contienen más información de la que cualquier equipo puede inspeccionar manualmente y la capacidad humana para experimentar sigue siendo limitada y costosa. Una IA capaz de explorar ese espacio, descartar miles de callejones sin salida y señalar unas pocas anomalías realmente prometedoras puede multiplicar el alcance de un laboratorio. El valor no estaría únicamente en que Claude «sepa biología», sino en su capacidad para trabajar a una escala que ningún investigador individual puede asumir y utilizar después el criterio científico humano para decidir qué merece llegar a una pipeta.
Claude necesitó 21 horas para recorrer más de 200.000 transcriptasas inversas, considerar unos 3.500 posibles sistemas y reducirlos a veinte candidatos. Entre ellos encontró ART. Ahora empieza la parte lenta, difícil y decisiva de la ciencia: averiguar si tenía razón al considerarlo especial. Todavía no sabemos qué hace ese extraño sistema escondido en los virus que infectan bacterias. Quizá termine siendo simplemente otra curiosidad fascinante de la evolución molecular; quizá proporcione una nueva herramienta para manipular ADN o ARN. Es demasiado pronto para saberlo. Pero ya sabemos algo distinto: una inteligencia artificial ha sido capaz de buscar dentro de una inmensidad de información biológica, detectar una anomalía que había pasado inadvertida, convertirla en una hipótesis científica y llevar a investigadores humanos hasta el laboratorio para comprobarla. El hallazgo importante de esta historia puede ser ART, pero también puede acabar siendo la forma en que fue encontrado.
