En 2025, veremos que la IA y el aprendizaje automático comenzarán a amplificar el impacto de Edición nítida del genoma en medicina, agricultura, cambio climático y la investigación básica que sustenta estos campos. Vale la pena decir desde el principio que el campo de la IA está inundado de grandes promesas como ésta. Con cualquier nuevo avance tecnológico importante, siempre hay un ciclo de exageración, y ahora estamos en uno. En muchos casos, los beneficios de la IA se producirán dentro de algunos años, pero en la investigación en genómica y ciencias biológicas estamos viendo impactos reales en este momento.
En mi campo, la edición de genes Crispr y la genómica en general, a menudo tratamos con enormes conjuntos de datos o, en muchos casos, no poder abordarlos adecuadamente porque simplemente no tenemos las herramientas ni el tiempo. Las supercomputadoras pueden tardar semanas o meses en analizar subconjuntos de datos para una pregunta determinada, por lo que tenemos que ser muy selectivos sobre qué preguntas elegimos formular. La IA y el aprendizaje automático ya están eliminando estas limitaciones, y estamos utilizando herramientas de IA para buscar y hacer descubrimientos rápidamente en nuestros grandes conjuntos de datos genómicos.
En mi laboratorio, recientemente utilizamos herramientas de inteligencia artificial para ayudarnos a encontrar pequeñas proteínas de edición de genes que no habían sido descubiertas en bases de datos públicas de genomas porque simplemente no teníamos la capacidad de analizar todos los datos que habíamos recopilado. Un grupo del Innovative Genomics Institute, el instituto de investigación que fundé hace 10 años en UC Berkeley, recientemente unió fuerzas con miembros del Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) y el Centro de Biología Computacional, y desarrolló una forma de utilizar un modelo de lenguaje grande, similar al que usan muchos de los chatbots populares, para predecir nuevas moléculas de ARN funcionales que tienen mayor tolerancia al calor en comparación con las secuencias naturales. Imagínese qué más está esperando ser descubierto en las enormes bases de datos genómicas y estructurales que los científicos han construido colectivamente durante las últimas décadas.
Este tipo de descubrimientos tienen aplicaciones en el mundo real. En los dos ejemplos anteriores, los editores de genoma más pequeños pueden ayudar a administrar terapias a las células de manera más eficiente, y predecir moléculas de ARN termoestables ayudará a mejorar los procesos de biofabricación que generan medicamentos y otros productos valiosos. En el ámbito de la salud y el desarrollo de fármacos, recientemente hemos visto la aprobación de la primera terapia basada en Crispr para la anemia de células falciformes, y hay alrededor de 7.000 otras enfermedades genéticas que están esperando una terapia similar. La IA puede ayudar a acelerar el proceso de desarrollo al predecir los mejores objetivos de edición, maximizar la precisión y eficiencia de Crispr y reducir los efectos fuera del objetivo. En agricultura, los avances de Crispr basados en IA prometen crear cultivos más resilientes, productivos y nutritivos, garantizando una mayor seguridad alimentaria y reduciendo el tiempo de comercialización al ayudar a los investigadores a centrarse en los enfoques más fructíferos. En el clima, la IA y Crispr podrían abrir nuevas soluciones para mejorar la captura natural de carbono y la sostenibilidad ambiental.
Aún es pronto, pero el potencial para aprovechar adecuadamente el poder conjunto de la IA y Crispr, posiblemente las dos tecnologías más profundas de nuestro tiempo, es claro y emocionante, y ya ha comenzado.
