IA impulsa búsqueda de alternativas seguras a herbicidas tradicionales
Un consorcio liderado por MIT recibió hasta 53 millones de dólares para desarrollar herbicidas de nueva generación mediante modelos de IA generativa, cribado a gran escala y pruebas en invernadero. El objetivo es mantener rendimientos agrícolas, reducir riesgos para la salud y mitigar vulnerabilidades en la cadena de suministro.
Un impulso financiado por ARPA-H para reinventar los herbicidas
Un equipo liderado por el Massachusetts Institute of Technology recibió hasta 53 millones de dólares de la Advanced Research Projects Agency for Health (ARPA-H) dentro del programa STREAM para desarrollar alternativas a los herbicidas actuales. El proyecto, bautizado Precision Learning for On-target Weed control o PLOW, busca usar modelos de inteligencia artificial generativa, cribado experimental y pruebas de campo controladas para descubrir compuestos y herramientas biológicas que controlen malezas sin los riesgos asociados a los herbicidas más usados hoy.
El problema: resistencia, salud pública y seguridad de suministro
En Estados Unidos se aplican más de mil millones de libras de herbicidas al año. Estas herramientas han sido cruciales para evitar pérdidas de cultivos y permitir prácticas regenerativas que protegen el suelo. Sin embargo, tras décadas de uso han surgido mutaciones que confieren resistencia a herbicidas clave, lo que reduce su efectividad y amenaza rendimientos y precios.
Además, la evidencia sugiere que la exposición a herbicidas puede aumentar el riesgo de cáncer, trastornos metabólicos y endocrinos, y otros efectos adversos. La población más expuesta incluye trabajadores agrícolas por el uso frecuente, pero también consumidores a través de residuos en alimentos y agua potable. A esto se suma una vulnerabilidad en la cadena de suministro: algunos precursores críticos para herbicidas como el glifosato dependen de insumos importados, entre ellos compuestos fosforados, lo que plantea riesgos estratégicos si hay interrupciones comerciales.
Cómo estructura PLOW su trabajo
El consorcio se organizó en tres equipos alineados con las áreas técnicas del programa STREAM.
-
Equipo de IA generativa: liderado por Connor Coley, Regina Barzilay y Alexander Tropsha, desarrollará modelos capaces de predecir moléculas —compuestos químicos o pequeñas secuencias de ARN interferente (siRNA)— que interrumpan las mismas enzimas vegetales que atacan herbicidas como el glifosato. Estos modelos no solo buscarán actividad sobre el objetivo; también optimizarán por coste de síntesis, probabilidad baja de inducir resistencia y menor riesgo para la salud humana y el medio ambiente.
-
Equipo de cribado de alto rendimiento: liderado por Angela Koehler y Jaime Cheah, se encargará de evaluar experimentalmente las bibliotecas de candidatos generadas por los modelos. El proceso de cribado identificará los que realmente actúan sobre el blanco deseado y devolverá esos datos a los modelos computacionales para mejorar iterativamente sus predicciones.
-
Equipo de evaluación en invernadero: coordinado por Neal Stewart, Scott Lenaghan, Patrick Tranel, Tim Willson y Andee Wallace, trasladará los candidatos seleccionados a pruebas bajo condiciones agrícolas controladas. Estas pruebas permitirán medir eficacia, aplicabilidad en distintos cultivos y condiciones, así como posibles efectos no intencionados. El equipo espera completar las primeras pruebas de candidatos basados en RNAi dentro del primer año del programa.
Entre las instituciones participantes se encuentran el Broad Institute de MIT y Harvard, la Universidad de North Carolina at Chapel Hill, la Universidad de Tennessee en Knoxville, la Universidad de Illinois en Urbana-Champaign y la empresa Robigo, además del propio MIT como líder del consorcio.
Qué hace la IA y por qué importa
Los modelos de IA generativa diseñarán y priorizarán miles de millones de posibles moléculas y secuencias de siRNA que podrían afectar enzimas vegetales críticas, como la EPSP sintasa, blanco del glifosato. La ambición es generar alternativas que reduzcan la probabilidad de que los cultivos desarrollen resistencia y que, al mismo tiempo, sean económicamente viables y menos dañinas para trabajadores, consumidores y ecosistemas.
Este enfoque integra diseño in silico, evaluación experimental masiva y aprendizaje continuo: los resultados de las pantallas experimentales retroalimentan los modelos, que refinan sus predicciones y proponen nuevas generaciones de candidatos.
Reducción de la exposición ambiental con biotecnología viva
Además del descubrimiento de nuevos agentes herbicidas, el proyecto contempla el desarrollo de sistemas microbianos vivos que degraden agroquímicos antes de que lleguen al suelo, al agua o a la cadena alimentaria. Bacterias y hongos ingenierizados, junto con herramientas basadas en RNA, convertirían ingredientes químicos y formulaciones en biomasa, ofreciendo una vía escalable para mitigar la exposición ambiental y humana.
Relevancia para América Latina
Aunque el financiamiento y los ensayos iniciales están centrados en Estados Unidos, los desafíos que aborda PLOW son relevantes para América Latina. En la región conviven grandes explotaciones comerciales con pequeños agricultores familiares que dependen de herbicidas para proteger cultivos básicos. La aparición de malezas resistentes, las preocupaciones por la salud de trabajadores rurales y las limitaciones en acceso a insumos importados son temas compartidos.
Alternativas diseñadas para ser menos tóxicas, más específicas y adaptables a distintas realidades agrícolas podrían beneficiar a sistemas productivos de la región, siempre que su desarrollo incluya evaluación contextual, transferencias tecnológicas y políticas públicas que faciliten su adopción responsable.
Riesgos, regulación y pasos por delante
El proyecto PLOW es ambicioso, pero enfrenta desafíos técnicos y regulatorios. Cualquier nuevo herbicida o sistema microbiano requerirá evaluaciones rigurosas de seguridad ambiental y humana, así como marcos regulatorios para su uso en agricultura. Además, la adopción por parte de productores dependerá de factores económicos, disponibilidad, capacitación y aceptación social.
Los investigadores dejan claro que los resultados y conclusiones del trabajo pertenecen a los autores y no representan necesariamente las políticas del gobierno estadounidense. El proceso previsto combina desarrollo de tecnología, pruebas experimentales y un ciclo iterativo de aprendizaje que podría durar varios años.
Conclusión
PLOW combina inteligencia artificial, cribado experimental y biotecnología aplicada para abordar una crisis múltiple: la pérdida de eficacia de herbicidas por resistencia, los riesgos para la salud y la vulnerabilidad de la cadena de suministro. Si el enfoque resulta efectivo y escalable, podría ofrecer herramientas más seguras y sostenibles para la agricultura moderna. Para América Latina, el avance abre la posibilidad de alternativas adaptadas a distintas realidades productivas, aunque su impacto dependerá de procesos regulatorios, transferencia tecnológica y políticas públicas orientadas a una adopción equitativa y segura.
Fuente original: MIT News AI