Claude acaba de descubrir un nuevo gen. La verdadera historia es cómo.

Un sistema nuevo, un problema viejo

Anthropic anunció esta semana que Claude, su modelo de lenguaje grande, identificó de forma independiente un sistema molecular hasta ahora desconocido, oculto en el ADN de los bacteriófagos —los virus que infectan bacterias—. El sistema, apodado ART, se encuentra junto a un gen de transcriptasa inversa y contiene una larga sección de secuencias de ADN repetidas dispuestas a intervalos regulares, un patrón estructural que recuerda, de modo superficial, al CRISPR.

El anuncio envió ondas de choque tanto por la comunidad de la inteligencia artificial como por la biología. Pero antes de decidir qué significa esto para la medicina —o para el futuro de la ciencia misma—, ayuda comprender exactamente lo que Claude hizo, y lo que no hizo.

Qué pasó realmente

Claude recibió una tarea sencilla: buscar en una base de datos masiva de secuencias de ADN enzimas interesantes de transcriptasa inversa. Las transcriptasas inversas no son nuevas para la biología. Son enzimas conocidas, presentes en retrovirus y varias bacterias, y se estudian desde hace décadas. La base de datos con la que trabajó Claude contenía más de 200.000 de estas enzimas.

La escala de la operación fue lo inusual. Anthropic desplegó 950 agentes Claude en paralelo, ejecutándose durante 21 horas y procesando 210 millones de tokens. Uno de esos agentes notó algo: un gen de transcriptasa inversa ubicado junto a un gen desconocido, con un largo conjunto de secuencias de ADN repetidas cerca. Claude revisó los patrones de repetición, comparó el sistema con arquitecturas conocidas de transcriptasas inversas, buscó en la literatura reportes previos y marcó el hallazgo para los investigadores humanos.

El equipo de Anthropic ha confirmado desde entonces que moléculas de ARN se producen a partir de las secuencias repetitivas de ART —una característica reminiscente de los sistemas CRISPR, donde conjuntos de ADN repetidos se transcriben en ARN guía—. Pero más allá de eso, se sabe muy poco. La función de ART sigue siendo un misterio. Si edita ADN, regula la expresión génica o cumple algún propósito completamente distinto aún no se ha determinado.

Por qué importa —por ahora, al menos

La distinción importa porque este es uno de los primeros ejemplos claros de un sistema de inteligencia artificial produciendo un descubrimiento biológico genuino, en lugar de simplemente analizar o resumir conocimiento existente. El trabajo previo de IA en biología ha consistido mayormente en predecir estructuras proteicas, optimizar protocolos de laboratorio o asistir en revisiones de literatura. La contribución de Claude aquí es diferente: realizó una minería genómica sistemática a una escala que ningún grupo de investigación humano podría replicar, e identificó un patrón que vale la pena investigar.

Eso no es trivial. La minería genómica —la práctica de escanear bases de datos masivas de secuencias en busca de sistemas biológicos novedosos— ha sido tradicionalmente un proceso lento e incremental, llevado a cabo por laboratorios individuales con recursos computacionales limitados. Encontrar un sistema previamente no caracterizado en una base de datos de fagos requiere paciencia, potencia computacional y la capacidad de reconocer analogías estructurales a través de conjuntos de datos grandes. Claude realizó las tres cosas.

Pero también es importante detenerse a considerar los límites de lo que se encontró. Lucas Harrington, investigador de CRISPR que revisó el anuncio, lo dijo con claridad: la versión simplificada de lo que pasó es que Claude notó dos genes —uno conocido, uno nuevo— sentados junto a un extraño trozo de ADN repetido. El logro significativo es la identificación de un sistema candidato. El rol biológico, si es que tiene alguno, no se ha establecido.

El patrón ya es familiar

Esta trayectoria debe resultar reconocible para cualquiera que haya observado cómo han ido desarrollándose las afirmaciones sobre IA en biología durante los últimos años. AlphaFold predijo estructuras de proteínas con una precisión asombrosa, y el campo de inmediato comenzó a extrapolar hacia aplicaciones médicas transformadoras. Las predicciones eran correctas en dirección pero agresivas en temporalidad. Tomaron años de trabajo de seguimiento, validación en laboratorio y refinamiento iterativo antes de que los resultados de AlphaFold se volvieran prácticamente útiles en los pipelines de descubrimiento de fármacos.

ART está en una etapa aún más temprana. Es un sistema candidato descubierto mediante minería computacional, con una sola observación experimental (producción de ARN a partir de su array repetitivo) que confirma similitud estructural con sistemas conocidos, pero nada más. El camino desde candidato hasta caracterizado, hasta diseñado, hasta terapéuticamente útil es largo, costoso e incierto. Cada paso introduce modos de falla que ninguna cantidad de velocidad computacional puede eliminar.

La pregunta más grande: ¿quién descubre qué?

Lo que hace este momento destacable no es el descubrimiento en sí —el descubrimiento a escala siempre ha estado llegando a la biología, dada la explosión de datos genómicos—, sino la agencia asignada a la inteligencia artificial. Anthropic está presentando a Claude como un co-descubridor, y Dario Amodei ha declarado públicamente que la empresa considera esto como evidencia de que la IA puede liderar la investigación científica, no solo asistir en ella.

El cambio de herramienta a colaborador es real, pero también es fácil exagerarlo. Claude no formuló la hipótesis sobre ART. No diseñó los experimentos para caracterizarlo. No decidió si el hallazgo era lo suficientemente significativo como para reportarlo. Un investigador humano estableció los parámetros iniciales, interpretó el resultado y validó la observación. Claude operó dentro de un flujo de trabajo restringido que los humanos construyeron y los humanos supervisaron.

Eso no disminuye el logro. Un asistente de investigación que encuentra una aguja en un pajar sigue siendo útil, incluso si otra persona decidió buscar en ese pajar en particular. Pero sí significa que la narrativa de la IA como descubridora científica autónoma necesita matizarse. Los agentes que encontraron ART se ejecutaban en un marco diseñado por humanos, buscaban en bases de datos curadas por humanos, y reportaban a humanos que finalmente juzgaron que el resultado valía la pena publicar.

Qué viene después

Anthropic dice que continuará el trabajo experimental para caracterizar la función de ART. También ha establecido un laboratorio de biología molecular en la empresa, señalando que tiene la intención de ir más allá del descubrimiento computacional hacia la validación empírica. Esa es una inversión significativa, y una que la mayoría de las empresas de IA no han realizado.

Si este esfuerzo produce herramientas prácticas o terapias depende de lo que ART haga realmente. Si resulta ser un mecanismo novedoso de edición génica —con propiedades que lo hagan más seguro, más preciso o más accesible que los sistemas CRISPR-Cas—, las implicaciones serían considerables. Si resulta ser una curiosidad biológica sin aplicación obvia, el valor titular se desvanece rápidamente.

La predicción de Amodei de que la IA podría permitir curas para muchas enfermedades actualmente intratables dentro de cinco a diez años es ambiciosa. Alguna trayectoria en esa dirección es plausible. Pero la brecha entre descubrir un nuevo sistema enzimático y curar una enfermedad se mide en décadas, no en años, y la mayoría de los sistemas candidatos nunca superan la etapa de caracterización.

El descubrimiento de ART es real. También es temprano. La lectura cuidadosa consiste en tomárselo en serio sin dejar que el marco narrativo se avance a sí mismo más allá de la evidencia.