Los procesos biológicos funcionan de forma parecida a los procesos computacionales: son cadenas de instrucciones que se ejecutan en los organismos. Sin embargo, su complejidad es tan grande que, hasta ahora, no había sido posible construir un modelo computacional que permitiera emularlos en un programa informático. Eso fue lo que logró, por primera vez en la historia, un equipo de la Universidad de Stanford.

La bacteria que lograron emular es la Mycoplasma Genitalium, responsable de una enfermedad de transmisión sexual en los seres humanos. Fue escogida porque es el organismo más pequeño que se conoce que puede vivir autónomamente, por lo que –según el sitio io9– “es un excelente punto de partida para los biólogos computacionales“. Es el organismo vivo que lleva a cabo los procesos menos complejos, y por lo tanto, menos difíciles  de emular en un código fuente (aunque difíciles de todos modos).

Por fortuna, esta bacteria ha sido ampliamente estudiada por otros científicos. Por eso, el primer paso del equipo de trabajo fue rastrear más de 900 artículos académicos en busca de cualquier documentación de una interacción molecular que este organismo lleve a cabo. Luego, se organizaron todas esas instrucciones en 28 módulos, cada uno de los cuales tiene su propio algoritmo. Finalmente, articularon todos estos conjuntos de instrucciones para crear el modelo. Los resultados del código fueron validados en el laboratorio.

Los resultados de la investigación, publicados en la revista Cell, afirman que “el modelo provee indicios de muchos comportamientos celulares que no se habían observado antes“. Esto quiere decir que esta herramienta le da la vuelta a la investigación biológica: ya no se investiga qué es lo que hace el organismo vivo para codificarlo, ahora se rastrea el código para predecir cómo funcionaría la bacteria y luego se corroboran experimentalmente los hallazgos.

Este paso permite pensar en otros desarrollos en el campo del diseño biológico asistido por computador. Por ejemplo, podrían usarse modelos computacionales para entender y atacar mejor algunas bacterias y virus especialmente patógenos, o para diseñar agentes biológicos que puedan curar enfermedades de forma más efectiva.