Investigadores de la Universidad Jiao Tong de Shanghái presentaron AutoDNA, un laboratorio biomolecular «AI-native» capaz de planificar y ejecutar operaciones complejas de ácidos nucleicos con mínima intervención humana. El trabajo se publicó el 4 de noviembre de 2026 en Nature bajo el título An AI-native experimental laboratory for autonomous biomolecular operations.
La plataforma combina agentes de inteligencia artificial, brazos robóticos y más de 20 tipos de instrumentos. Los humanos siguen presentes, pero sobre todo para reponer reactivos, suministrar materiales y dar mantenimiento al hardware. La autonomía se centra en orquestar el experimento de punta a punta, no en un laboratorio sin personal.
De la instrucción al protocolo físico
A diferencia de automatizar una sola máquina, AutoDNA busca una comprensión global del flujo experimental. Los agentes interpretan lo que se quiere lograr, organizan etapas —síntesis, transcripción, amplificación, secuenciación, entre otras operaciones de ácidos nucleicos— y envían órdenes a los instrumentos. Los robots mueven muestras entre estaciones mientras los dispositivos especializados ejecutan los pasos químicos y moleculares.
Según el artículo en Nature, el sistema orquestó de forma autónoma más de 11.000 pasos a través de esa diversidad de equipos. En una demostración destacada en coberturas del paper, almacenó una frase en inglés en ADN, sintetizó el material y lo volvió a leer para recuperar el mensaje original: 11.382 operaciones automatizadas en alrededor de 203 horas.
Ese ciclo de almacenamiento de datos en ADN ilustra una promesa antigua de la biología sintética: usar moléculas como medio denso de información. Aquí lo relevante no es solo el concepto, sino que una IA coordinó miles de operaciones físicas sin que un operador ejecutara cada pipeteo o cada traspaso a mano.
Síntesis en paralelo y una mutación clínica
En otra prueba, AutoDNA ejecutó cuatro protocolos de síntesis enzimática de ADN en paralelo y completó el trabajo 3,2 veces más rápido que al correrlos en secuencia, con rendimientos comparables a los de especialistas humanos que optimizan esos procedimientos.
También identificó y verificó la mutación KRAS G13D —asociada a ciertos tumores— en una muestra clínica previamente preparada. Para ello coordinó distintos análisis moleculares sin que los investigadores tuvieran que programar instrumento por instrumento cada etapa.
El abstract de Nature enmarca estos resultados como un blueprint hacia «science-as-a-service»: acortar la distancia entre formular una hipótesis y ponerla a prueba en el banco, un cuello de botella clásico de la investigación biomédica.
Límites que conviene no olvidar
AutoDNA no sustituye a los científicos ni cubre «cualquier» pregunta biológica. Opera dentro de una infraestructura preparada, depende de insumos y mantenimiento, y algunos fallos mecánicos exigen intervención humana. La autonomía es real en la planificación y ejecución de flujos definidos; no es magia sin laboratorio ni sin criterio experto.
Esa frontera importa para no leer el anuncio como el fin del trabajo experimental humano. Más bien sugiere un cambio de rol: menos tiempo en tareas repetitivas y más en diseñar preguntas, interpretar resultados y validar la fiabilidad de lo que la máquina produce.
Por qué importa y qué significa para América Latina
Laboratorios autónomos ya habían avanzado en química y materiales, a menudo con objetivos más estrechos. AutoDNA apunta a biología molecular multiobjetivo y multiinstrumento, un terreno más desordenado y cercano a diagnósticos, síntesis de oligonucleótidos y almacenamiento de datos en ADN.
Para América Latina, el impacto inmediato no es instalar mañana un gemelo de Shanghái en cada universidad. Sí es una señal de hacia dónde va la competencia científica: quien combine IA, robótica y protocolos biomoleculares puede acelerar ciclos de descubrimiento y servicios (desde pruebas de ácidos nucleicos hasta optimización de síntesis).
Países de la región con grupos fuertes en genómica, diagnóstico molecular y bioinformática pueden aprovechar la lección de arquitectura: no solo «poner un chatbot al lado de un robot», sino co-diseñar modelos, experimentos e instrumentos. También abre debate sobre acceso, costos, formación técnica y soberanía científica: si la experimentación se vuelve un servicio orquestado por agentes, ¿quién controla los protocolos, los datos y la calidad?
En México y el resto de LATAM, hospitales, centros de investigación y startups de biotecnología ya lidian con escasez de personal altamente entrenado para tareas repetitivas de banco. Sistemas que liberen manos humanas —con supervisión y estándares claros— podrían, a mediano plazo, ampliar capacidad. Mientras tanto, el paper de Nature deja un mensaje concreto: la IA ya no solo analiza datos en pantalla; también puede coordinar miles de operaciones físicas en un laboratorio real.
Fuente: Nature — An AI-native experimental laboratory for autonomous biomolecular operations
