La biología generativa va más allá de la biología sintética al integrar inteligencia artificial, automatización y diseño computacional para crear sistemas biológicos novedosos a velocidad digital, lo que genera avances en diversos sectores.
Además de ofrecer oportunidades, la biología generativa también presenta riesgos, como brechas de ciberseguridad y fragilidad de las cadenas de suministro, mientras la supervisión y la gobernanza se quedan atrás.
La equidad y la seguridad deben evolucionar juntas: garantizar un acceso equitativo a las salvaguardias, sistemas de intercambio de datos gestionados y marcos de gobernanza sólidos es fundamental.
La biología generativa no es un nuevo nombre para la biología sintética o la biología de ingeniería. Refleja la convergencia acelerada de la biología con la computación, la automatización y la inteligencia artificial (IA).
A diferencia de la biología sintética, centrada en el ensamblaje modular de ADN o proteínas, la biología generativa utiliza herramientas de diseño computacional, modelos de IA y plataformas automatizadas para generar sistemas biológicos novedosos a gran escala.
Como señaló India Hook-Barnard, directora ejecutiva del Engineering Biology Research Consortium y miembro del Consejo Global del Futuro sobre Biología Generativa: «Ambos campos siempre han integrado computación avanzada, ciencia de datos y herramientas de diseño. Lo novedoso es que los avances en inteligencia artificial y automatización están acelerando esta trayectoria, lo que permite que la biología opere a velocidad digital y amplía el alcance de las soluciones para el mundo real».
Dado que la biología generativa es un ámbito en constante evolución, la forma de definirlo determinará las oportunidades que se aprovechen, los riesgos a los que se dé prioridad y los modelos de gobernanza que se adopten. Esta fluidez hace que la gobernanza vaya a la zaga.
El manual de oportunidades
La biología generativa ya está teniendo un impacto tangible. En salud y medicina, el sistema de IA de Google DeepMind, AlphaFold, ha predicho las estructuras tridimensionales de más de 200 millones de proteínas, revolucionando el descubrimiento de fármacos y el diseño de enzimas.
La empresa de biotecnología terapéutica Generate: Biomedicines ha recaudado 273 millones de dólares y ha conseguido una alianza de 1.000 millones de dólares con Novartis para impulsar terapias con anticuerpos diseñadas mediante IA.
En los sistemas alimentarios, empresas como Perfect Day e Impossible Foods utilizan microbios modificados para producir lácteos y proteínas hemo, ofreciendo alternativas a la ganadería convencional. En los ámbitos del clima y la química, la empresa estadounidense LanzaTech convierte emisiones de carbono en etanol, mientras que Solugen desarrolla procesos basados en enzimas para sustituir los productos petroquímicos.
En energía y materiales, se modifican algas para producir biocombustibles y levaduras para obtener bioplásticos, lo que ofrece alternativas escalables de origen biológico.
Como señaló Jaime Yassif, vicepresidenta de la Nuclear Threat Initiative y miembro del Consejo Global del Futuro sobre Biología Generativa: «Existe un enorme potencial para mejorar la salud humana, desarrollar vacunas y hacer crecer la bioeconomía. Pero debemos promover los beneficios y, al mismo tiempo, protegernos contra el uso indebido accidental o deliberado».
Puntos ciegos: dónde residen los riesgos
La biología generativa se apoya en una infraestructura integrada digitalmente que incluye bases de datos genómicas, servicios de síntesis de ADN, laboratorios automatizados y análisis en la nube. Esto puede ayudar a acelerar los descubrimientos, pero también genera riesgos sistémicos.
Como advirtió Yassif: «Las instalaciones de fabricación de contramedidas médicas y las bases de datos de vigilancia biológica suelen estar conectadas a internet, pero no están protegidas frente a la piratería informática».
Las vulnerabilidades de los datos y la infraestructura siguen siendo una preocupación primordial. Las amenazas tradicionales de ciberseguridad —por ejemplo, piratear sistemas de vigilancia de enfermedades o instalaciones de fabricación de contramedidas médicas— pueden tener consecuencias graves, como demostraron los ejercicios de simulación de la Conferencia de Seguridad de Múnich.
Otra prioridad es proteger los dispositivos distribuidos de sobremesa para la síntesis de ADN, garantizando en particular que los sistemas de cribado no puedan ser pirateados ni eludidos.
Junto con estos riesgos sistémicos, demostraciones técnicas concretas también han puesto de relieve la fragilidad de las interfaces entre lo digital y lo biológico. Un estudio de la Universidad de Washington mostró que se podía codificar malware en ADN sintético y ejecutarlo mediante software de secuenciación.
Las revisiones siguen poniendo de relieve deficiencias en todo el flujo de trabajo de la secuenciación de nueva generación (NGS), desde la preparación de muestras hasta el almacenamiento en la nube. En muchos casos, los secuenciadores portátiles, especialmente cuando se utilizan sobre el terreno, carecen de controles de integridad, lo que aumenta el riesgo de manipulación de datos.
Riesgos de automatización y de la cadena de suministro constituyen un segundo grupo. Los sistemas robóticos crean nuevas superficies de ataque, y se ha demostrado que el ADN diseñado de forma adversarial puede activar malware en flujos de trabajo automatizados. La fragilidad de las cadenas de suministro de reactivos y dispositivos agrava aún más los riesgos.
Las amenazas emergentes de la IA constituyen un tercer grupo de riesgos que surge en la convergencia de la IA y la biología. La investigación advierte que los modelos avanzados de IA podrían reducir las barreras para el uso indebido al facilitar diseños dañinos, ampliar el acceso a conocimientos peligrosos o debilitar las medidas de biodefensa.
Las demostraciones técnicas han mostrado que estos sistemas son vulnerables. Los ataques adversariales dirigidos a la importancia de las características pueden reducir drásticamente la precisión de los modelos, mientras que los conjuntos de datos envenenados provocan un aumento de los falsos positivos y los falsos negativos.
Otra preocupación ampliamente debatida es que la IA podría ayudar a eludir el cribado de la síntesis de ADN; sin embargo, estos sistemas están demostrando ser resilientes. Además, la IA se utiliza cada vez más para apoyar el descubrimiento de fármacos, en lugar de dirigirlo, mediante el análisis de grandes conjuntos de datos, el trazado de vías y la reutilización de medicamentos.
Estas dinámicas de doble uso ponen de relieve tanto la promesa de una innovación acelerada como la necesidad urgente de salvaguardias.
Por último, existen deficiencias en materia de doble uso y gobernanza. Las herramientas desarrolladas para terapias contra el cáncer o combustibles sostenibles podrían emplearse indebidamente para diseñar toxinas o patógenos. La supervisión sigue siendo débil: el Índice de Seguridad Sanitaria Mundial concluye que el 94 % de los países carece de sistemas para gestionar los riesgos de bioseguridad de doble uso.
El ritmo del cambio tecnológico también supera con creces la capacidad de los gobiernos para mantenerse al día. A escala mundial, todavía no existen marcos coordinados de pruebas de red team, bases de datos de vulnerabilidades ni sistemas de acceso gestionado.
Estos puntos ciegos —la inseguridad de los datos, los riesgos de la automatización, la IA adversarial y el potencial de doble uso— son amenazas sistémicas con consecuencias en cadena para la salud, la alimentación, la resiliencia climática y la estabilidad económica.
La paradoja de la confianza y la equidad
La biología generativa también afronta una paradoja: la apertura impulsa la innovación, pero amplifica los riesgos de doble uso. La pandemia de COVID-19 puso de relieve la fragilidad de los sistemas mundiales cuando la equidad y la seguridad no están alineadas: los países ricos acumularon dosis, mientras que los países de menores ingresos tuvieron que esperar meses.
Yassif señaló que garantizar un acceso equitativo a las capacidades de biotecnología e IAxBio, al tiempo que se desarrollan protecciones contra el uso indebido accidental y deliberado, es una prioridad muy alta: «De lo contrario, corremos el riesgo de reforzar las desigualdades mientras intentamos fortalecer la seguridad».
Las disputas sobre propiedad intelectual también ralentizaron el intercambio de vacunas. Los silos de datos genómicos restringieron el acceso a conjuntos de datos fundamentales para la agricultura y la investigación climática. La fragilidad de la cadena de suministro en la automatización de laboratorios creó dependencias geopolíticas. En conjunto, estas desigualdades amplificaron las vulnerabilidades.
Hook-Barnard subraya: «La seguridad y la innovación no son incompatibles. Contar con sistemas de acceso gestionado e intercambio de datos acelera la colaboración, porque permite que las personas innoven con confianza».
Crear salvaguardias colaborativas
Reducir los riesgos de la biología generativa requiere una amplia colaboración. Los expertos en ciberseguridad pueden adaptar herramientas como las arquitecturas de confianza cero, las pruebas adversariales y el análisis de vulnerabilidades para reforzar los sistemas biodigitales.
Los profesionales de la biología están implantando salvaguardias como el Mecanismo común para el cribado de la síntesis de ADN para detectar y bloquear pedidos maliciosos.
Los gobiernos pueden reforzar las salvaguardias mediante marcos de acceso gestionado, incentivos de responsabilidad y acuerdos de financiación, pero se necesita una supervisión mucho más amplia de la investigación de doble uso y los riesgos cibernéticos y de infraestructura.
La UNESCO ha destacado la urgencia de equilibrar la apertura con las salvaguardias en la gobernanza genómica, mientras que la OCDE prevé que la bioeconomía mundial podría alcanzar los 1,3 billones de dólares al año para 2030.
Las entidades financiadoras y las revistas también cuentan con importantes palancas: pueden supeditar las subvenciones y publicaciones al cumplimiento de normas de seguridad, un modelo ya reflejado en el International Bio Funders Compact, que integra la bioseguridad en la financiación de la investigación en ciencias de la vida.
El etiquetado de metadatos de los pedidos de ADN puede reforzar la trazabilidad y reducir el uso indebido, pero debe formar parte de un sistema de supervisión más amplio.
Aunque la biología generativa avanza más rápido que los sistemas diseñados para protegerla, el campo aún es lo bastante joven como para incorporar medidas proactivas.
La próxima década determinará si la biología generativa madura hasta convertirse en un pilar de confianza para la salud, la alimentación, el clima y la energía, o si las vulnerabilidades socavan su promesa.
