El pasado 23 de septiembre, la compañía Anthropic anunció que su modelo de inteligencia artificial, Claude, logró detectar un sistema enzimático hasta ahora desconocido dentro del material genético de los bacteriófagos, virus que infectan bacterias. Junto al gen de la enzima, se identificó una secuencia de repeticiones que recuerda al sistema CRISPR, herramienta clave en la edición genética actual.
La función de este hallazgo aún es un misterio. Anthropic lo ha denominado ART (transcriptasas inversas asociadas a arreglos), un tipo de enzima que copia ARN en ADN, acompañada de un gen asociado y de esas repeticiones. Solo unos pocos sistemas conocidos combinan estos tres elementos, y todos ellos tienen la capacidad de cortar, copiar o pegar ADN.
Podría pensarse que se trata de un simple golpe de fuerza bruta, pero la realidad es distinta: el verdadero cuello de botella en biología ya no es la cantidad de datos, sino quién los examina.
Las cifras del estudio preliminar (aún sin revisión por pares) son impactantes: se realizaron 949 sesiones de agentes autónomos que trabajaron durante 21,5 horas sin intervención humana, consumiendo 215,6 millones de tokens y recorriendo 1.940 millones de grupos de proteínas.
El sistema estuvo a la vista durante cinco años
El genoma del fago MarsHill, aislado en criaderos de cerdos de Estados Unidos, fue publicado en septiembre de 2021 en el Journal of Virology por Abby Korn, Jason Gill y otros dos investigadores. Según el estudio de Anthropic, ese trabajo logró identificar la enzima y propuso un ARN asociado, pero no describió las repeticiones ni el gen acompañante.
Posteriormente, otros laboratorios analizaron fagos similares en 2022 y 2023. Un estudio de 2023 sobre el fago DC4 señaló que todos los fagos gigantes de estafilococo examinados codifican una transcriptasa inversa. La enzima ya estaba catalogada, pero no así la hilera de repeticiones que la acompaña. En resumen: cinco años pasaron desapercibidos.
Claude encontró esas repeticiones al leer el ADN en bruto, sin que ningún programa las hubiera marcado previamente. El registro de la sesión conserva la reacción del agente, traducida del inglés:
“Puedo ver a simple vista” un arreglo de repeticiones en tándem.
Luego contó las copias, midió la distancia entre ellas y buscó en la literatura científica antes de enviar el informe a los investigadores.
La máquina descubre cuando lee, no cuando delega
El estudio incluye una prueba que respalda esta idea. Anthropic solicitó a siete de sus modelos que describieran el sistema a partir de las mismas secuencias. Cuando el ADN se pegaba directamente en la consulta, los cuatro modelos más avanzados detectaron las repeticiones en al menos el 90% de los intentos.
Sin embargo, al proporcionar los mismos datos en archivos y con un arsenal de herramientas de análisis, la detección en uno de ellos cayó hasta el 32%. En el 39% de esos casos, el modelo nunca leyó un tramo de ADN lo suficientemente largo como para ver más de una repetición.
Más herramientas no significaron más atención. Significaron menos.
La compañía tiene un hallazgo, no una receta
Feng Zhang, uno de los pioneros de CRISPR y profesor del MIT y del Broad Institute, revisó el borrador antes de su publicación. Calificó la identificación de esos arreglos como
“genuinamente intrigante”
y afirmó que merece una investigación más profunda.
Esta misma semana, un equipo con investigadores de Stanford publicó en bioRxiv arreglos similares junto a otra familia de enzimas, descubiertos con un modelo entrenado únicamente con ADN. La naturaleza inventó esta arquitectura más de una vez, y dos grupos la observaron casi al mismo tiempo.
Dario Amodei, director ejecutivo de Anthropic, escribió en X que se trata, como mínimo, de un trabajo del que se habría sentido orgulloso como estudiante de doctorado.
En contexto, la compañía ha montado un laboratorio propio en el Área de la Bahía de San Francisco y necesita demostrar que su modelo sirve para hacer ciencia, no solo para programar.
Sin embargo, quedan dos datos sin resolver. Anthropic repitió la búsqueda diez veces más con el mismo sistema y las mismas instrucciones, y ninguna corrida encontró las repeticiones. El propio estudio admite que no se probó si la enzima está activa ni qué función cumple el sistema para el virus.
Los genomas se acumulan más rápido de lo que cualquier laboratorio puede leerlos. El que tenga más mirada por hora firmará los próximos descubrimientos, sepa o no para qué sirven.
Fuente: Infobae