AutoDNA: los agentes de IA ejecutaron un experimento de ADN de 11.382 pasos mientras los humanos solo reponían reactivos

Esta semana, en dos laboratorios distintos, la inteligencia artificial dejó de sugerir experimentos y empezó a hacerlos. El 4 de noviembre, Nature publicó un artículo de la Universidad Jiao Tong de Shanghái que describe AutoDNA, un laboratorio en el que agentes de IA planifican y ejecutan experimentos de biología molecular en más de veinte instrumentos, mientras las personas intervienen sobre todo para reponer reactivos y dar servicio al equipo. Ese mismo día, Anthropic informó de que su modelo Claude había ayudado a resolver la primera estructura tridimensional de una partícula vault, una cáscara hueca de proteína cuya función se desconoce desde su descubrimiento en 1986. Los dos anuncios son distintos en casi todo —uno es un artículo revisado por pares, el otro es la entrada de un blog empresarial sobre un preprint— pero apuntan al mismo cambio: la parte más lenta de la ciencia está pasando de idear el experimento a ejecutarlo.

Las cifras de AutoDNA obligan a releerlas. El sistema orquesta de forma autónoma más de 20 tipos de instrumentos en más de 11.000 pasos, cubriendo las operaciones básicas del trabajo con ADN: fabricarlo, copiarlo a ARN, amplificarlo y leer su secuencia. El equipo lo probó en cuatro tareas. Produjo ADN de la misma calidad que los expertos humanos. Ejecutó varios protocolos a la vez, 3,2 veces más rápido que uno tras otro. Guardó datos digitales en ADN y los leyó de vuelta sin errores: 78 hebras que codificaban la frase «Intelligence is the ability to adapt to change» (la inteligencia es la capacidad de adaptarse al cambio). Y encontró y confirmó una mutación ligada al cáncer, KRAS G13D, en la muestra de un paciente. La ejecución individual más larga, según el equipo, duró unas 203,5 horas —alrededor de ocho días y medio— y sumó 11.382 pasos de hardware. Durante todo ese tiempo, en palabras del propio equipo, las personas estuvieron «limitadas principalmente a la eliminación periódica de residuos experimentales y a la reposición de reactivos», actuando solo cuando el sistema lo pedía.

La historia de la vault de Anthropic es de menor escala y de contenido aún más extraño. Las vaults son cáscaras huecas de proteína presentes en casi todas las células del cuerpo humano, con unas tres veces la masa de un ribosoma, y nadie sabe para qué sirven. Bajo la dirección del equipo, Claude buscó en una base de datos de unos 15.000 millones de proteínas predichas, diseñó el ADN de los candidatos, propuso una forma más rápida de aislar las partículas y ejecutó el software que convierte imágenes de microscopio en un modelo 3D. El resultado es la primera estructura de una vault construida a partir de una proteína de bacteriófago: 96 copias de una sola proteína llamada L05, que encierra alrededor de un 25 % más de espacio que la versión humana de 78 copias. Una purificación que convencionalmente lleva tres días tomó unos 90 minutos; un primer modelo estructural estuvo listo 34 horas después, donde el equipo estima que normalmente habría llevado semanas. Todo el proyecto duró menos de cuatro meses.

Lo que me llama la atención es lo honestos que son ambos equipos sobre lo que aún falla. AutoDNA registró 14 errores de hardware en sus experimentos; el sistema reparó ocho por su cuenta y seis necesitaron a una persona. El equipo advierte de que la aleatoriedad propia de los grandes modelos de lenguaje puede hacer que el mismo plan dé resultados distintos en cada ejecución, y de que el sistema aún no puede hacer experimentos en animales vivos. Los errores de Claude también costaron tiempo real: un protocolo que escribió pedía un medio de cultivo con un aditivo que bloqueaba parte del trabajo y retrasó al equipo unas dos semanas, y al principio del análisis de las imágenes de microscopio se saltó un paso estándar y produjo un mapa defectuoso mezclado con su imagen especular, hasta que el equipo le dijo que dejara de improvisar: «Please let's do normal things unless they don't work» («Hagamos las cosas normales, a menos que no funcionen»).

James Zou, científico de datos de Stanford que escribió el comentario que Nature publicó junto al artículo de AutoDNA, expuso lo que está en juego sin rodeos: un sistema de IA podría diseñar una molécula biológicamente activa prometedora en minutos, pero probarla puede llevar semanas o meses, y el trabajo de Shanghái «puede empezar a cerrar la brecha entre proponer un experimento y hacerlo». Milad Abolhasani, ingeniero químico de la Universidad Estatal de Carolina del Norte, calificó a AutoDNA de notable por su grado de autonomía y dijo que el futuro de la ciencia «va a implicar muchos laboratorios autónomos». Ambos tienen razón, y ambos subestiman la pregunta que ahora importa más. Una demostración no es una disciplina. AutoDNA apareció por primera vez como preprint en julio de 2025; tardó alrededor de un año de revisión en llegar a Nature. La prueba de esta semana no es si un laboratorio puede ejecutar 11.382 pasos, sino si un segundo laboratorio, sin los autores originales en la sala, puede repetir el truco y si los resultados se sostienen cuando lo hace. Esa es la línea entre un artículo llamativo y una nueva forma de hacer ciencia, y el próximo año mostrará de qué lado de ella estamos.