La computación biológica con ADN no es ciencia ficción ni una idea suelta de laboratorio: ya existen ordenadores funcionales construidos con moléculas de ADN y células vivas capaces de resolver problemas que el silicio convencional no puede tocar. Lo que durante décadas sonó a experimento marginal empieza a tener aplicaciones médicas, resultados publicados en revistas como Nature y Science, y el interés serio de instituciones como el MIT, la Universidad de Harvard o el Wyss Institute.
El principio básico es sencillo de explicar, aunque fabricarlo no lo sea en absoluto. El ADN almacena información en cuatro bases nitrogenadas (adenina, timina, guanina y citosina) que se combinan siguiendo reglas fijas. Esa lógica química puede usarse para codificar datos, ejecutar operaciones y producir resultados, igual que un procesador convencional utiliza unos y ceros. La diferencia está en la escala y en la densidad: un gramo de ADN puede almacenar hasta 215 petabytes de datos, según estimaciones del grupo de investigación de George Church en Harvard.
¿Cómo funciona realmente un ordenador de ADN?
Un ordenador de ADN trabaja con reacciones químicas en lugar de señales eléctricas. Los datos se codifican como secuencias de bases nitrogenadas, y las operaciones lógicas se producen cuando esas cadenas se combinan, se pliegan o se rompen según reglas predefinidas. El resultado final puede ser otra molécula de ADN, una proteína o incluso la activación de una célula.
El primer hito documentado lo protagonizó Leonard Adleman en 1994. Usando tubos de ensayo y cadenas de ADN sintético, resolvió el problema del viajante (encontrar la ruta más corta entre siete ciudades), que es uno de los retos clásicos de la teoría computacional. No fue rápido ni práctico para uso cotidiano, pero demostró que la lógica biológica podía ejecutar cálculos reales. Desde entonces, los avances han ido acelerándose.
En 2023, investigadores de la Universidad Northwestern publicaron en Nature Materials un sistema de computación basado en redes de ADN capaz de identificar tipos de cáncer a partir de patrones moleculares en muestras de tejido. El sistema funcionó dentro de células vivas, sin necesidad de extraer el material biológico para analizarlo fuera. Ese detalle cambia todo: significa que el «ordenador» puede vivir dentro del cuerpo humano y actuar en tiempo real.
Las células también pueden programarse como unidades lógicas. Los llamados genetic logic gates (puertas lógicas genéticas) funcionan de forma análoga a las puertas AND, OR o NOT de la electrónica digital, pero usando proteínas y fragmentos de ARN como interruptores. Grupos como el de Christopher Voigt en el MIT llevan años construyendo circuitos genéticos cada vez más complejos dentro de bacterias, con resultados que ya superan los cien operaciones lógicas en cadena.
¿Para qué sirve la computación biológica con ADN?
La computación biológica con ADN tiene dos grandes aplicaciones que los investigadores consideran más próximas: el almacenamiento masivo de datos y la medicina de precisión dentro del cuerpo. Ambas explotan ventajas que el silicio no puede ofrecer por razones físicas básicas.
En cuanto al almacenamiento, el problema que se busca resolver es real y urgente. La cantidad de datos que genera la humanidad crece más rápido que la capacidad de fabricar centros de datos. Se calcula que para 2025 el mundo producirá 175 zettabytes de datos anuales, según IDC. Los discos duros y las memorias flash ocupan espacio, consumen energía y se degradan en décadas. El ADN, en condiciones adecuadas, puede conservar información durante miles de años (lo sabemos porque hemos secuenciado ADN de mamuts y neandertales). Empresas como Microsoft y Twist Bioscience llevan años invirtiendo en pipelines de escritura y lectura de datos en ADN sintético. En 2019, Microsoft logró almacenar y recuperar 1 gigabyte de datos usando ADN con una tasa de error muy baja.
La vertiente médica es la que más atención recibe hoy. La idea central es construir circuitos biológicos que vivan dentro del paciente, detecten señales moleculares de enfermedad (un marcador de tumor, un nivel anómalo de glucosa, una infección incipiente) y respondan de forma autónoma liberando un fármaco, destruyendo la célula enferma o enviando una alerta. Es algo que ya está ocurriendo en fases experimentales. El grupo de Ron Weiss en el MIT ha desarrollado células diseñadas genéticamente que detectan la presencia de ciertos tipos de células cancerosas y producen una respuesta terapéutica directamente en el tejido afectado.
Esto conecta con algo que ya vimos cuando analizamos cómo los sensores empezaron a vivir dentro del cuerpo humano: la frontera entre dispositivo médico y organismo vivo se vuelve cada vez más difusa. La computación biológica lleva esa idea más lejos, porque el «dispositivo» no solo mide: también decide y actúa.
Hay una tercera área que suele mencionarse menos pero que tiene implicaciones enormes: la computación paralela masiva. Un tubo de ensayo con ADN puede contener billones de moléculas ejecutando operaciones simultáneamente. Para ciertos problemas matemáticos muy complejos (optimización combinatoria, criptografía, simulación molecular), esa capacidad de paralelismo supera con creces lo que cualquier supercomputador convencional puede hacer. Y aquí la computación biológica y la computación cuántica convergen en sus ambiciones, aunque sus fundamentos sean completamente distintos.
¿Cuáles son los obstáculos reales que frenan su desarrollo?
Los problemas técnicos son serios y ningún equipo de investigación los minimiza. El primero es la velocidad: las reacciones químicas del ADN son lentas comparadas con los ciclos de reloj de un microprocesador moderno. Un ordenador de ADN tarda horas en resolver lo que el silicio resuelve en microsegundos para tareas estándar. La ventaja no está en la velocidad sino en la capacidad de manejar volúmenes de información gigantescos con un consumo energético radicalmente inferior.
El segundo problema es la tasa de error. La síntesis de ADN introduce fallos. Leer y escribir secuencias largas con alta fidelidad sigue siendo caro y técnicamente exigente. Los costes han bajado dramáticamente en los últimos veinte años (sintetizar un megabyte de datos en ADN costaba millones de dólares en los años noventa; hoy está en torno a los 3.500 dólares según estimaciones de 2022), pero siguen siendo prohibitivos para uso masivo.
El tercero tiene que ver con la programación. No existe aún un lenguaje de programación estándar para circuitos genéticos. Cada grupo de investigación trabaja con sus propias herramientas, lo que dificulta reproducir resultados y escalar los sistemas. Iniciativas como el proyecto SBOL (Synthetic Biology Open Language) intentan crear estándares comunes, pero el campo está aún lejos de tener su equivalente al C++ o al Python.
Y luego están los problemas que no son técnicos. Introducir células modificadas genéticamente en el cuerpo humano requiere pasar por regulación médica estricta. La Agencia Europea de Medicamentos (EMA) y la FDA estadounidense tienen marcos para terapias génicas, pero los circuitos biológicos computacionales están en tierra de nadie regulatoria: son más que un medicamento y menos que un dispositivo médico convencional. También se habla mucho de bioseguridad: si un circuito genético puede liberar sustancias o modificar células, el margen de error tiene consecuencias que van más allá de un fallo de software. En este sentido, los riesgos se parecen más a los que ya conocemos en el debate sobre fabricar organismos desde cero con impresoras de ADN.
¿Quién está apostando dinero de verdad por esto?
Microsoft es probablemente la empresa tecnológica más comprometida con el almacenamiento en ADN. Su proyecto con la Universidad de Washington lleva activo desde 2016 y ha publicado resultados consistentes. En 2022 presentaron un sistema automatizado capaz de escribir y leer datos en ADN sin intervención humana directa, lo que es un paso hacia la viabilidad práctica.
Catalog Technologies, una startup de Boston fundada en 2016, ha desarrollado un sistema propietario de escritura en ADN que en 2019 logró codificar toda la Wikipedia en inglés (16 gigabytes) en unas horas. Su enfoque es diferente al académico: buscan hacer el proceso lo suficientemente barato y rápido como para competir con las cintas magnéticas de archivo.
En el lado de los circuitos biológicos médicos, Cellarity y otras empresas de Boston están trabajando con células reprogramadas como plataformas terapéuticas. El campo de la biología sintética, que es el sustrato sobre el que se construye buena parte de la computación biológica, recibió más de 4.800 millones de dólares en inversión privada solo en 2021, según datos de SynBioBeta. No todo ese dinero va a computación biológica directamente, pero indica el nivel de interés del capital privado en el sector.
Vale la pena recordar que la infraestructura de datos que conocemos hoy también empezó siendo algo que muy poca gente tomaba en serio, y hoy la infraestructura física de internet es uno de los activos estratégicos más valiosos del planeta. La pregunta es si el ADN seguirá el mismo camino.
La investigación académica también tiene peso propio. El Wyss Institute de Harvard, el MIT Media Lab y grupos en ETH Zúrich o la Universidad de Edimburgo publican avances con regularidad. China ha convertido la biología sintética en una prioridad estratégica nacional: el Plan de los Cinco Años 2021-2025 incluye financiación específica para computación biológica y almacenamiento en ADN. El Instituto de Investigación Genómica de Pekín (BGI) es ya uno de los mayores secuenciadores de ADN del mundo y tiene capacidades que ninguna empresa occidental iguala en escala.
Todo esto ocurre mientras los procesadores de silicio se acercan a sus límites físicos. La ley de Moore, que predijo durante décadas que el número de transistores en un chip se duplicaría cada dos años, ya no se cumple con la misma regularidad. Las razones son físicas: los transistores ya miden apenas unos pocos átomos de grosor. El silicio no tiene mucho más margen. Eso no significa que la computación biológica vaya a reemplazarlo, pero sí que la arquitectura de los procesadores está en revisión profunda y el ADN aparece como una de las rutas posibles para tareas específicas.
¿Cuándo tendrá un chip biológico dentro de tu cuerpo, y querrás que lo tenga?
La pregunta no es descabellada. Si los circuitos genéticos pueden detectar enfermedades y responder de forma autónoma dentro de células vivas, la lógica apunta hacia sistemas cada vez más integrados en el organismo humano. No como implantes metálicos, sino como componentes biológicos que el sistema inmunitario no rechaza porque, técnicamente, son células.
Los primeros usos clínicos probablemente llegarán en oncología, donde el margen para probar terapias agresivas es mayor y la necesidad es urgente. Las células CAR-T, que ya son una realidad aprobada por la FDA para ciertos tipos de leucemia, son en cierto modo el antecedente más cercano: células inmunitarias reprogramadas genéticamente para atacar tumores. Los circuitos biológicos computacionales añadirían una capa de lógica condicional a ese proceso, haciendo que la célula terapéutica tome decisiones en función de lo que detecta en su entorno. Algo parecido, en espíritu, a lo que ya analizamos cuando hablamos de medicamentos que monitorizan si el paciente los ha tomado.
La parte incómoda es la del control. ¿Quién programa esos circuitos? ¿Quién tiene acceso a los datos que generan? ¿Puede actualizarse un circuito genético una vez que está dentro de un organismo vivo? Las respuestas actuales son insatisfactorias, no porque nadie quiera darlas, sino porque la tecnología avanza más rápido que el marco ético y legal que debería acompañarla.
La computación biológica con ADN no está a diez años de distancia en todos sus frentes: algunas aplicaciones, como el almacenamiento de datos en ADN sintético, podrían ser comercialmente viables antes de 2030 según las hojas de ruta de empresas como Microsoft y Catalog. Otras, como los circuitos terapéuticos dentro del cuerpo humano, requieren décadas de validación clínica. Lo que ya no es discutible es que el campo existe, produce resultados y tiene dinero detrás. La biología ha entrado en la ingeniería de sistemas de forma irreversible. Lo que no sabemos es quién decidirá cómo se usa, y con qué criterios.
Preguntas frecuentes
¿Qué es la computación biológica con ADN?
Es un tipo de computación que usa moléculas de ADN o células vivas para almacenar información y ejecutar operaciones lógicas, en lugar de transistores de silicio. Las reacciones químicas entre cadenas de ADN actúan como los cálculos de un procesador convencional. El campo tiene aplicaciones en almacenamiento masivo de datos y en medicina de precisión dentro del propio organismo.
¿Es posible almacenar datos en ADN de forma fiable?
Sí, y ya se ha demostrado en laboratorio. Microsoft y la Universidad de Washington han almacenado y recuperado gigabytes de datos usando ADN sintético. El ADN puede conservar información durante miles de años en condiciones adecuadas. El problema hoy es el coste y la velocidad de escritura y lectura, que siguen siendo demasiado altos para uso masivo pero han bajado enormemente en los últimos veinte años.
¿Cuándo podría haber ordenadores biológicos en uso real?
Depende del tipo de aplicación. El almacenamiento de datos en ADN podría tener casos de uso comerciales antes de 2030. Los circuitos biológicos dentro del cuerpo humano con fines médicos tardarán más, porque requieren ensayos clínicos extensos y aprobación regulatoria. No hay una fecha única: el campo avanza en varios frentes con ritmos muy distintos.
¿Es peligroso introducir circuitos genéticos en el cuerpo humano?
Es una pregunta abierta que la investigación no ha resuelto del todo. Los ensayos actuales se hacen con mucha cautela y en contextos médicos controlados. Los riesgos potenciales incluyen respuestas inmunitarias, comportamientos no previstos de las células modificadas y problemas de bioseguridad si los circuitos se propagan fuera del objetivo. Las células CAR-T aprobadas por la FDA son el referente más cercano de lo que puede salir bien y mal.
¿China va por delante en computación biológica?
China tiene capacidades enormes en secuenciación de ADN gracias al BGI, y la biología sintética es una prioridad estratégica oficial desde el Plan de los Cinco Años 2021-2025. Sin embargo, en investigación básica sobre circuitos genéticos computacionales, los grupos del MIT, Harvard y ETH Zúrich siguen siendo referencia mundial. La ventaja china está más en escala y en infraestructura que en los avances teóricos publicados.
¿La computación biológica reemplazará al silicio?
No es una sustitución directa ni está planteada así por ningún grupo serio del campo. El ADN y las células vivas tienen ventajas claras en tareas específicas: almacenamiento a largo plazo, procesamiento masivamente paralelo y aplicaciones dentro del cuerpo humano. Para el procesamiento rápido de instrucciones cotidianas, el silicio seguirá siendo la opción durante mucho tiempo. Son tecnologías complementarias, no rivales.
