Redacción MBA
Un agente de Claude examinó el ADN situado junto a una enzima conocida y advirtió algo que investigaciones anteriores no habían descrito: una larga serie de secuencias repetidas. Esa observación llevó a científicos de Anthropic a estudiar lo que ahora denominan ART, un posible sistema biológico presente principalmente en virus que infectan bacterias. La noticia reúne dos hechos que conviene mantener separados. La pista dio lugar a una observación experimental, pero la función del sistema sigue sin conocerse; además, otros diez intentos de búsqueda con agentes no volvieron a detectar el mismo patrón.
ART es la sigla en inglés de transcriptasas reversas asociadas a arreglos. El nombre describe una combinación de tres componentes: una transcriptasa reversa —enzima capaz de copiar información del ácido ribonucleico (ARN) al ácido desoxirribonucleico (ADN)—, un gen vecino que codifica una proteína cuya función se desconoce y una serie de secuencias de ADN repetidas a intervalos regulares. El equipo encontró esa disposición sobre todo en bacteriófagos, los virus que infectan bacterias.
Newsletter gratuito ¿Te está resultando útil esta nota? Suscribite gratis y recibí cada semana el mejor análisis de tecnología, IA y mercados directamente en tu correo.  |
enzima de uno de esos virus ya había sido identificada. Lo nuevo no es, por lo tanto, que Claude haya encontrado una proteína jamás registrada. Su aporte fue advertir que la enzima aparecía junto a otras piezas que podían formar parte de un mismo sistema. Esa diferencia importa: reconocer una asociación en datos existentes es un hallazgo científico posible, pero todavía no explica cómo funciona ni para qué le sirve al virus.
Las repeticiones del ADN recuerdan, por su disposición, a las de CRISPR. Ese nombre designa un sistema de defensa natural de ciertas bacterias: les permite reconocer material genético de virus y actuar contra él. A partir de ese mecanismo, científicos desarrollaron herramientas para editar genes. ART se parece a CRISPR en parte de su estructura, pero no hay evidencia de que tenga la misma función ni de que permita modificar genes de manera programable. La comparación ayuda a explicar por qué vale la pena investigarlo; no autoriza a presentarlo como una nueva tecnología de edición genética.
El equipo de Anthropic sí obtuvo una primera señal en el laboratorio: observó que la región de ADN repetida da lugar a distintos ARN cortos. Es un resultado más sólido que limitarse a señalar un patrón en una base de datos. Sin embargo, todavía no demuestra qué hacen esos ARN, si la transcriptasa reversa interactúa con ellos o qué papel cumple la proteína vecina. Tampoco se estableció la función biológica del conjunto. Los resultados fueron difundidos en un trabajo preliminar, pendiente de evaluación científica externa.
Anthropic encargó a agentes de Claude una búsqueda amplia de transcriptasas reversas interesantes en bases de secuencias genéticas. Según la compañía, la campaña reunió más de 200.000 ejemplos de esas enzimas, generó alrededor de 3.500 candidatos y seleccionó cerca de 20 para un examen más detenido. Participaron aproximadamente 950 sesiones de agentes durante unas 21 horas, con un consumo informado de 210 millones de tokens.
Dentro de esa búsqueda, uno de los agentes decidió mirar la secuencia de ADN próxima a una familia de enzimas que le llamó la atención. Allí reconoció las repeticiones, examinó su cantidad y separación, las comparó con disposiciones conocidas y consultó antecedentes científicos. Después preparó un informe para que investigadores humanos evaluaran la pista. Claude no realizó los experimentos físicos: todo el trabajo de laboratorio estuvo a cargo de científicos, según Anthropic.
Ese recorrido permite entender el aporte concreto de la IA. No recibió la instrucción específica de buscar ART ni se limitó a responder una pregunta sobre un gen ya elegido. Tuvo margen para seleccionar candidatos y decidir qué análisis hacer. Al mismo tiempo, trabajó con datos, herramientas y un objetivo de investigación definidos por personas. Su autonomía se aplicó a la exploración computacional, no a la verificación completa del descubrimiento.
Tampoco corresponde interpretar las 21 horas como el tiempo total que llevó la investigación. Esa cifra describe una campaña de búsqueda. Quedan fuera de ella la preparación de los datos, la revisión de los candidatos, los experimentos y el análisis posterior. Para saber si este método acelera de manera confiable la investigación biológica no alcanza con comparar la duración de una ejecución con el tiempo que podría dedicar un científico a examinar miles de secuencias.
El resultado más revelador del trabajo quizá no sea solo lo que un agente encontró, sino lo que ocurrió después. De acuerdo con el estudio preliminar, Anthropic repitió la campaña de búsqueda diez veces y ninguna de esas ejecuciones volvió a detectar el arreglo de ADN que había llevado a ART. Eso no invalida la observación de laboratorio: los científicos pudieron estudiar la región señalada en el primer intento. Sí impide presentar esta búsqueda como un procedimiento que, por ahora, encuentre el mismo candidato de manera fiable cada vez que se ejecuta.
Hay una diferencia decisiva entre la reproducibilidad del objeto estudiado y la del camino utilizado para llegar a él. Una vez identificado el arreglo, otros investigadores pueden examinar las secuencias y comprobar si produce los ARN descritos. Otra cuestión es si agentes de IA, ante una consigna amplia y la misma clase de datos, volverían a seleccionar ese caso entre miles de alternativas. La primera pregunta se responde con evidencia biológica; la segunda exige evaluar el desempeño del método de búsqueda.
El resultado invita a medir algo más que la capacidad de producir un hallazgo llamativo. ¿Cuántos de los miles de candidatos que generó la campaña contienen biología realmente novedosa? ¿Cuántos llegan a pruebas experimentales? ¿Qué proporción de esas pruebas confirma las hipótesis iniciales? Sin esas respuestas, un caso exitoso muestra potencial, pero todavía no permite estimar la eficacia habitual del sistema. Un análisis académico independiente del anuncio también señaló que el estudio no compara la búsqueda de Claude con una herramienta convencional diseñada específicamente para detectar patrones similares.
La cautela es especialmente importante porque Anthropic desarrolla el modelo, dirige la investigación y comunica sus primeros resultados. Compartir el trabajo preliminar permite que otros equipos revisen los datos y pongan a prueba las interpretaciones. La evaluación externa no es un trámite que le quite mérito a la pista: es el paso necesario para establecer qué se descubrió y cuánto del resultado puede reproducirse.
La biología acumula grandes volúmenes de secuencias cuya función permanece sin describir. Buscar relaciones entre genes próximos, comparar familias de proteínas y decidir qué casos merecen experimentos es un trabajo que combina procesamiento de datos con criterio científico. ART muestra que un agente puede contribuir a esa selección: conectó piezas que habían sido estudiadas por separado y produjo una pregunta verificable.
Pero generar preguntas con rapidez puede trasladar el problema a otra etapa. Si una campaña propone miles de candidatos y un laboratorio solo puede probar una fracción, seleccionar bien se vuelve tan importante como encontrar patrones. También habrá que registrar las hipótesis que fallan: sin ese dato, los éxitos aislados pueden ofrecer una impresión exagerada de la capacidad de descubrimiento.
Por ahora, ART es una línea de investigación abierta, no una aplicación médica ni una herramienta genética lista para usar. Los experimentos muestran que el arreglo repetido produce ARN cortos; aún falta determinar qué hace el sistema en los bacteriófagos y si su estudio tendrá alguna utilidad más allá de ampliar el conocimiento biológico. La contribución de Claude merece atención precisamente si se la describe con esa escala: ayudó a encontrar una pista que los científicos pueden comprobar, mientras sus propias búsquedas posteriores mostraron lo difícil que es volver a encontrarla.
Si la IA permite formular hipótesis biológicas más rápido de lo que los laboratorios pueden probarlas, ¿qué criterios servirán para decidir cuáles merecen el siguiente experimento?
