Por Canuto  

En Shanghái, AutoDNA coordina agentes de IA y robots para diseñar y ejecutar experimentos genéticos, desde sintetizar ADN hasta almacenar información. El sistema aún necesita personas para reponer reactivos y mantener los equipos, pero amplía el alcance de la automatización en el laboratorio.

***

  • AutoDNA, desarrollado en la Universidad Jiao Tong de Shanghái, coordina más de 25 instrumentos, según la descripción del proyecto.
  • Entre las pruebas descritas figuran detectar una mutación vinculada al cáncer y almacenar una cita en ADN mediante sus bases A, C, G y T.
  • Los agentes de IA planifican y ejecutan experimentos a partir de instrucciones humanas; las personas todavía reponen reactivos y dan servicio al hardware.

 

 

Un laboratorio de biología molecular de la Universidad Jiao Tong de Shanghái, en China, está diseñado para que un equipo de agentes de inteligencia artificial (IA) coordine experimentos genéticos y los ejecute con ayuda de robots.

El sistema, llamado AutoDNA, coordina más de 25 instrumentos, según la descripción del proyecto en la Universidad Jiao Tong de Shanghái. La página lo presenta como un laboratorio autónomo para ingeniería biomolecular, desde la síntesis de ADN hasta el almacenamiento de datos.

La automatización no elimina por completo el trabajo humano: después de entregar una instrucción, los investigadores pueden dejar que el sistema organice los pasos, mientras las personas se ocupan de reponer reactivos y dar mantenimiento al hardware. Entre las tareas ensayadas figuran identificar una mutación asociada al cáncer en una muestra de ADN y codificar un mensaje en material genético.

Un sistema concebido para coordinar el laboratorio

Los laboratorios llevan tiempo usando máquinas para ejecutar partes concretas de un protocolo, como mezclar sustancias o controlar el calentamiento de una muestra. La propuesta de un laboratorio autónomo va más allá de mecanizar acciones aisladas: busca que un sistema de IA conecte tareas distintas, organice equipos y conduzca un experimento desde una instrucción general hasta sus operaciones prácticas.

Ese salto resulta especialmente exigente en biología molecular, donde los procedimientos pueden combinar instrumentos diversos y requieren precisión en la manipulación de muestras. Haibo Chen, informático de la Universidad Jiao Tong de Shanghái y coautor del trabajo, señaló que muchos sistemas existentes todavía dependen de especialistas para configurar los equipos y que la IA suele encargarse solo de una parte del proceso.

El equipo de Chen optó por diseñar AutoDNA con la inteligencia artificial en mente desde el inicio, en vez de añadir esas capacidades a una instalación automatizada ya existente. Esa decisión responde a un reto de coordinación: un agente capaz de planear una tarea no puede completar por sí solo un experimento si los instrumentos no se comunican o si cada etapa requiere una configuración humana independiente.

En AutoDNA, los brazos robóticos trasladan muestras entre equipos y el sistema coordina más de 25 instrumentos. La escala descrita muestra que la automatización abarca secuencias de operaciones y no solo una acción de laboratorio; sin embargo, la información publicada no significa que cada experimento biológico pueda realizarse sin supervisión ni intervención humana.

De una instrucción a pruebas con ADN

El funcionamiento descrito comienza con una instrucción sencilla de un operador humano, a partir de la cual un equipo de agentes de IA diseña y ejecuta el experimento. La diferencia con una máquina que repite un protocolo fijo está en la coordinación de tareas: el sistema organiza el uso de distintos instrumentos para llevar adelante el proyecto, en vez de limitarse a una sola etapa predeterminada.

Los investigadores probaron AutoDNA con varias tareas, entre ellas la detección de una mutación vinculada al cáncer en una muestra de ADN. Ese ensayo ilustra cómo el laboratorio puede aplicar sus instrumentos a una pregunta genética concreta, aunque el reporte no detalla aquí el tipo de mutación, el rendimiento de la prueba ni una comparación con resultados obtenidos por personal humano.

En otra prueba, el equipo pidió al sistema que codificara una frase en ADN utilizando las cuatro bases de nucleótidos: adenina, citosina, guanina y timina, abreviadas como A, C, G y T. La cita elegida fue «La inteligencia es la capacidad de adaptarse al cambio».

La demostración conecta una operación de biología molecular con el almacenamiento de información en una secuencia genética. Su valor en esta noticia es mostrar la variedad de tareas que el sistema puede coordinar, no probar por sí sola que el ADN vaya a reemplazar otros soportes de datos ni que AutoDNA esté listo para aplicaciones comerciales o clínicas.

Autonomía con límites y trabajo humano

El equipo presenta AutoDNA como un sistema con un grado notable de autonomía, pero la descripción deja claro que las personas conservan funciones necesarias para mantenerlo operativo. Deben abastecer los reactivos y dar servicio al hardware, tareas que sostienen el experimento incluso cuando los agentes gestionan la secuencia de operaciones y los robots mueven las muestras.

Esta división del trabajo también ayuda a precisar qué significa «autónomo» en este contexto: el sistema puede asumir el diseño y la ejecución de un proyecto tras recibir una indicación, pero no prescinde de operadores que atiendan sus necesidades materiales. La automatización desplaza parte del trabajo cotidiano hacia la preparación y el mantenimiento, sin demostrar que la investigación biológica pueda funcionar completamente sin personas.

Milad Abolhasani, ingeniero químico de la Universidad Estatal de Carolina del Norte en Raleigh, destacó que AutoDNA combina autonomía con la posibilidad de incorporar equipos de laboratorio diversos. También anticipó que los laboratorios autónomos tendrán un papel importante en el futuro de la ciencia, una valoración que apunta al potencial de estas instalaciones, no a una garantía de que todos los laboratorios vayan a adoptar pronto el mismo modelo.

El desarrollo plantea una cuestión práctica para la investigación: cuánto pueden mejorar la continuidad y la coordinación de los experimentos cuando las máquinas ejecutan muchas operaciones encadenadas. Para responderla con precisión, hará falta distinguir las capacidades demostradas en las pruebas descritas de otras posibles aplicaciones, pues el reporte no presenta cifras de costos, velocidad, exactitud comparativa ni resultados de despliegue en otros centros.

Una nueva etapa de automatización científica

La relevancia de AutoDNA no está solo en que use robots para manipular tubos o trasladar muestras, sino en que integra esas acciones con agentes de IA que planifican y conducen experimentos. El modelo intenta reducir la fragmentación habitual entre el diseño de una prueba y su ejecución, aunque la fuente no afirma que haya eliminado todos los ajustes técnicos que pueden surgir en un laboratorio real.

El proyecto también permite entender por qué la biología molecular supone un desafío particular para la automatización: los flujos de trabajo pueden involucrar diferentes instrumentos y operaciones que deben realizarse con precisión. Un sistema que coordina varias etapas podría facilitar la ejecución de proyectos complejos, pero esa posibilidad debe evaluarse con datos sobre reproducibilidad y desempeño que no aparecen en la información aquí disponible.

La instalación de Shanghái forma parte de una tendencia de investigación que busca laboratorios con menor participación directa de científicos en cada operación. Chen y sus colegas no añadieron simplemente una capa de IA a una infraestructura convencional, sino que construyeron el sistema pensando en la coordinación automatizada, un enfoque que pone en primer plano la integración entre software, robots e instrumentos científicos.

Por ahora, los resultados comunicados se concentran en las capacidades y pruebas de AutoDNA, incluida la detección de una mutación relacionada con el cáncer y la codificación de una frase en ADN. El avance ofrece una muestra concreta de cómo los agentes de IA pueden entrar en el «laboratorio húmedo», pero el trabajo humano sigue presente en el suministro y el mantenimiento, dos condiciones esenciales para que las máquinas puedan continuar operando.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA




ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados