PhageLab publicó recientemente en Scientific Reports (Nature Portfolio) un estudio que, por primera vez, valida la predicción a nivel de cepa de interacciones bacteria–fago utilizando modelos de machine learning e inteligencia artificial. Este trabajo marca un hito al demostrar que es posible anticipar interacciones biológicas complejas con alta confiabilidad antes de su validación en sistemas reales.
El estudio demuestra precisiones predictivas entre 78% y 94%, abordando uno de los principales cuellos de botella históricos en el uso aplicado de bacteriófagos: la impredecibilidad fuera del laboratorio. Este resultado respalda la capacidad de la plataforma predictiva de PhageLab para transformar un enfoque experimental en un modelo de biología confiable, escalable y accionable.
Estos resultados evidencian que la plataforma puede operar con precisión en contextos productivos reales, habilitando la selección de fagos específicos antes de su despliegue. Hoy, esta tecnología opera a escala industrial, soportando uno de los mayores despliegues de soluciones basadas en bacteriófagos en salud animal.
En un escenario marcado por el avance de la resistencia antimicrobiana, este trabajo posiciona la biología predictiva como una vía concreta para desarrollar alternativas biológicas efectivas y escalables. Al mismo tiempo, sienta las bases para aplicaciones futuras en salud humana y medicina de precisión, donde la predictibilidad biológica pasará a ser un requisito estructural.
