Un proyecto de la Universidad de California en Santa Bárbara combinará microbiología, automatización y aprendizaje automático para analizar miles de comunidades microbianas y transformar biomasa residual en compuestos de valor industrial.
Redactor: Valentina Ríos
Editor: Eduardo Schmitz
Dos equipos científicos de la Universidad de California en Santa Bárbara, en Estados Unidos, fueron seleccionados para la primera fase de la Misión Génesis, una iniciativa del Departamento de Energía estadounidense que busca acelerar la investigación mediante inteligencia artificial, automatización y computación avanzada.
Uno de los proyectos, dirigido por la ingeniera química y bioingeniera Michelle O’Malley, estudiará comunidades de microorganismos anaerobios capaces de descomponer materiales vegetales resistentes. El objetivo es aprender a organizar esos microbiomas para convertir residuos de origen vegetal en ácidos grasos de cadena media, compuestos que pueden emplearse en la fabricación de combustibles, bioplásticos, detergentes, medicamentos y otros productos.
La propuesta conecta directamente con el aprovechamiento de rastrojos, restos de cosecha y otras formas de biomasa que habitualmente tienen un valor económico limitado. En lugar de considerar estos materiales únicamente como desechos, los investigadores pretenden utilizarlos como materia prima para procesos biológicos controlados.
Una plataforma analizará hasta 8.000 comunidades microbianas por semana
Los experimentos se desarrollarán en la BioFoundry for Extreme and Exceptional Fungi, Archaea and Bacteria, conocida como ExFAB. La instalación dispone de una cámara anaeróbica automatizada en la que robots e instrumentos científicos pueden trabajar sin exponer los microorganismos al oxígeno.
El sistema miniaturiza los ensayos en placas con pequeños compartimentos, lo que permite analizar simultáneamente una gran cantidad de muestras. Para esta investigación, el equipo estima que podrá evaluar alrededor de 8.000 microorganismos individuales o comunidades microbianas cada semana y superar las 100.000 pruebas durante los primeros cuatro meses.
Los resultados serán procesados mediante una herramienta de aprendizaje automático que identificará patrones y recomendará los siguientes experimentos. En cada ciclo se modificarán variables como la combinación de especies, los nutrientes disponibles y las condiciones de crecimiento para determinar cuáles favorecen la producción de los compuestos buscados.
El proyecto se relaciona con otras investigaciones sobre la función de los microorganismos en los sistemas productivos, como los estudios sobre patrones microbianos asociados con la eficiencia del ganado y los cambios que experimenta el microbioma del suelo bajo sequías prolongadas.
La inteligencia artificial orientará los experimentos, pero no sustituirá el laboratorio
La función de la inteligencia artificial será reducir el enorme número de combinaciones que tendrían que probarse mediante métodos convencionales. Los modelos analizarán la información generada en ExFAB, seleccionarán alternativas prometedoras y propondrán nuevas pruebas, cuyos resultados volverán a incorporarse al sistema.
O’Malley explicó que la complejidad aumenta cuando varias especies interactúan, compiten por recursos y responden de manera diferente a las condiciones ambientales. Por ello, la investigación busca reunir suficientes datos experimentales para que los algoritmos puedan reconocer reglas de funcionamiento dentro de las comunidades.
La científica recalcó que la IA no puede reemplazar las mediciones ni los ensayos físicos. Su utilidad dependerá de datos fiables obtenidos en condiciones reales y de la capacidad del laboratorio para verificar cada recomendación antes de avanzar hacia nuevas combinaciones.
La iniciativa incorpora especialistas de la Universidad de California en Santa Bárbara, el Laboratorio Nacional Lawrence Berkeley, la Universidad de California en Berkeley y la empresa Cerebras Systems. El trabajo combinará aprendizaje automático, modelado de genomas bacterianos, edición genética y experimentación automatizada.
Residuos agrícolas como materia prima para una bioeconomía circular
La primera fase se concentrará en conseguir que los microorganismos produzcan ácidos grasos de cadena media. Una etapa posterior podría ampliar el proceso hacia otros residuos vegetales, materias primas, comunidades microbianas y productos químicos.
La posibilidad de transformar biomasa residual en insumos industriales podría aportar nuevas opciones para cadenas agrícolas que generan grandes volúmenes de tallos, hojas, cáscaras y otros subproductos. Sin embargo, el proyecto se encuentra todavía en una fase experimental y deberá demostrar que las comunidades diseñadas mantienen su productividad y estabilidad bajo condiciones controladas.
Este enfoque forma parte de una tendencia científica que utiliza herramientas computacionales para intervenir de manera más precisa en sistemas biológicos. En el ámbito agrícola ya se investigan, por ejemplo, receptores inmunitarios diseñados con apoyo de inteligencia artificial para proteger cultivos.
Un segundo proyecto buscará recuperar minerales críticos
El segundo equipo de la universidad, dirigido por el químico Justin Wilson, utilizará inteligencia artificial para diseñar moléculas y proteínas capaces de identificar y separar minerales críticos, incluidos elementos de tierras raras, níquel y cobalto.
La estrategia contempla un sistema de dos etapas. Primero, una molécula quelante capturará determinados iones metálicos. Después, una proteína diseñada mediante modelos computacionales reconocerá características específicas del complejo formado y añadirá un segundo nivel de selección.
El grupo combinará inteligencia artificial generativa, aprendizaje automático, cálculos de química cuántica y resultados experimentales. Los investigadores estiman que este circuito podría reducir al menos diez veces el espacio de búsqueda y acortar de meses a semanas algunos ciclos de diseño.
Durante los nueve meses de la primera fase se intentará establecer el flujo de trabajo, sintetizar varias moléculas quelantes e identificar al menos una proteína capaz de reconocer selectivamente un complejo metálico. La selección inicial no equivale todavía a la financiación definitiva, ya que los proyectos deberán completar el proceso de negociación establecido por el Departamento de Energía.
Fuentes referenciales:
Clarín
Universidad de California en Santa Bárbara
Departamento de Energía de Estados Unidos
