Investigadores de la Universidad Hebrea de Jerusalén, la Universidad de Haifa y el Instituto Volcani crearon BBERT, un modelo de inteligencia artificial que reconoce fragmentos de ADN bacteriano sin depender de bases de datos. La herramienta, de código abierto, acelera el estudio de los microbios que sostienen la agricultura.
Un equipo de científicos israelíes desarrolló una herramienta de inteligencia artificial capaz de distinguir, en fragmentos mínimos de material genético, cuáles pertenecen a bacterias. El sistema se llama BBERT y fue presentado en la revista científica Nucleic Acids Research, que lo publicó en octubre de 2026 con revisión por pares y en acceso abierto. La Universidad Hebrea de Jerusalén difundió el avance el 2 de noviembre.
El trabajo lo lideraron el Dr. Amir Erez, del Instituto Racah de Física, y el Dr. Omri M. Finkel, del Departamento de Ciencias Vegetales y Ambientales, ambos de la Universidad Hebrea. Participaron también la Universidad de Haifa y el Instituto Volcani, brazo de investigación agrícola del Ministerio de Agricultura de Israel. Su relevancia es concreta: ayuda a descifrar la enorme porción de vida microbiana del suelo que hoy nadie logra identificar.
El problema de la “materia oscura” microbiana
Un puñado de tierra contiene miles de especies de microorganismos. Cuando los científicos secuencian su ADN, obtienen millones de lecturas cortas que luego deben comparar con catálogos genéticos de referencia. El inconveniente es que la mayoría de esos organismos nunca fue descrita, por lo que gran parte de los datos queda sin clasificar. Los investigadores llaman a ese material inexplicado “materia oscura” microbiana.
BBERT ataca ese cuello de botella con otra lógica. En lugar de buscar coincidencias en una base de datos, aprende los patrones propios del ADN bacteriano, del mismo modo en que los modelos de lenguaje aprenden la estructura de un idioma.
Cómo funciona BBERT
El sistema se basa en la arquitectura BERT, conocida por su uso en procesamiento de texto, pero entrenada con secuencias genéticas. Según el artículo, el modelo se entrenó únicamente con secuencias bacterianas, de modo que detecta lo que no es bacteriano por contraste y sin consultar catálogos externos.
Con fragmentos de solo 100 “letras” de ADN, BBERT responde tres preguntas: si la secuencia es bacteriana, si codifica parte de una proteína y en qué posición comienza su marco de lectura. En las pruebas de los autores, superó a otras herramientas de aprendizaje profundo evaluadas:
| Tarea | Precisión de BBERT |
|---|---|
| Distinguir ADN bacteriano de no bacteriano | ~90% |
| Detectar fragmentos que codifican proteínas | ~88% |
| Ubicar el marco de lectura correcto | ~96% |
Pruebas con casi 2.000 muestras de suelo
El equipo aplicó el modelo a 1.969 conjuntos públicos de ADN de suelo. Allí logró clasificar una parte importante de los fragmentos que una herramienta de comparación muy utilizada dejaba sin asignar. Además, los fragmentos que siguieron sin clasificar resultaron con mayor probabilidad no bacterianos, lo que sugiere que la “materia oscura” tiene orígenes diversos.
La herramienta también sirve como filtro previo para reconstruir genomas completos. En mezclas simuladas, redujo el tiempo de ensamblaje promedio de unas 66 a 25 horas por muestra y conservó cerca del 96% de la cobertura genómica bacteriana. En muestras reales de nódulos de raíces de leguminosas silvestres, el tiempo se redujo a la mitad y el pico de memoria bajó de 188 a 82 gigabytes, aunque con alguna pérdida de información.
Otro punto a favor es la accesibilidad. BBERT funciona en una computadora personal con una tarjeta gráfica adecuada y se demostró en una laptop. El código está disponible en GitHub con licencia MIT.
Lo demostrado y lo que falta
Los resultados de precisión y velocidad están verificados en el estudio. Las aplicaciones agrícolas, en cambio, son por ahora una proyección de los investigadores y requieren más trabajo.
Los propios autores reconocen límites: el modelo puede pasar por alto fragmentos bacterianos, confundir ADN de cloroplastos con bacteriano y tiene dificultades para separar bacterias de arqueas.
Impacto para Israel y el mundo
El avance combina dos fortalezas del ecosistema israelí: la inteligencia artificial y la investigación agrícola, un campo en el que el país es referencia desde hace décadas. Entender mejor los microbios del suelo podría ayudar a identificar especies que favorecen la absorción de nutrientes, la resistencia a enfermedades o la tolerancia a la sequía en los cultivos.
También abre la puerta a estudiar cómo responden las comunidades microbianas a la contaminación y al cambio climático. Al ser gratuita y funcionar sin supercomputadoras, la herramienta queda al alcance de laboratorios pequeños, incluidos los de países en desarrollo.
Abigail Cohen
Abigail Cohen publica en Israel Ahora sobre política internacional y Medio Oriente. Sus contenidos abordan la actualidad de Israel y el contexto regional.
