Células vivas como procesadores: así avanza la computación biológica

¿Qué pasaría si en lugar de chips de silicio, las computadoras del futuro estuvieran hechas de neuronas humanas vivas? La pregunta, que hace apenas unos años habría sonado a ciencia ficción, hoy tiene respuestas concretas en laboratorios y centros de investigación. La computación biológica —ese punto de encuentro entre la biología molecular y el procesamiento de información— lleva décadas desarrollándose en silencio, pero en el último lustro ha develado importantes avances.

Todo esto parte de reconocer que el sistema nervioso humano ha sido, a lo largo de la evolución, la herramienta más eficaz para el procesamiento de información. Y como señala Jin Xu en Biological Computing (2025), es ese mismo cerebro el que diseñó la computadora electrónica, el dispositivo computacional más avanzado que la humanidad ha producido hasta ahora.

Sin embargo, al operar bajo el esquema de la máquina de Turing, basado en la computación en serie, lo hace poco eficiente para resolver ciertos tipos de problemas de alta complejidad. Ante ese techo, la búsqueda de nuevos modelos computacionales se volvió inevitable —y la biología emergió como una respuesta.

La computación biológica se refiere a la computación que utiliza macromoléculas biológicas –ADN (ácido desoxirribonucleico), ARN (ácido ribonucleico) o proteínas, principalmente– como datos para el procesamiento de información y resolver problemas complejos.

Los antecedentes de la computación biológica parten de tres contribuciones clave: la propuesta de Richard P. Feynman en 1961 sobre una computadora a escala submicrométrica, la idea de Charles H. Bennett en 1973 de procesar información utilizando reacciones químicas biológicas mediante enzimas (catálisis enzimática), y el desarrollo en los años ochenta de un modelo basado en proteínas (computación de proteínas) capaz de representar los valores binarios “0” y “1”, similar al funcionamiento de las computadoras convencionales.

Pero fue en 1994 cuando Leonard Adleman –quien acuñó el término “virus informático”– presentó un modelo de computación en el que moléculas de ADN se utilizan como “datos” y enzimas biológicas e instrumentos de PCR como “operadores” para resolver problemas matemáticos complejos, motivo por el que se le conoce como el padre de la computación por ADN. Esto abrió el camino hacia el desarrollo de sistemas biológicos capaces de abordar eficazmente problemas NP-completos, en otras palabras, problemas computacionales en los que no se ha encontrado un algoritmo de solución eficiente.

En los últimos 30 años se han presentado avances significativos, aunque no tan acelerados como ocurre actualmente con la Inteligencia Artificial. Por ejemplo, en 2001, el científico e informático israelí Ehud Shapiro, del Instituto de Ciencia Weizmann, junto con un grupo de científicos, presentó la primera computadora programable y autónoma fabricada con biomoléculas. Se consideró que un millón de estos computadores microscópicos podrían caber en un tubo de ensayo y realizar 1,000 millones de operaciones por segundo con un 99.8% de precisión. El computador, también denominado autómata finito, a través de ADN y enzimas manipuladoras de ADN resolvía problemas computacionales de forma autónoma.

“La célula viva contiene increíbles máquinas moleculares que manipulan las moléculas codificadoras de información, como el ADN y el ARN, su pariente, en formas que son esencialmente muy similares a la computación”, declaró en ese entonces Shapiro.

En 2002, un grupo de investigación liderado por Leonard Adleman logró resolver un problema NP-completo en lo que catalogaron “una sencilla computadora de ADN”. “La única solución se encontró tras una búsqueda exhaustiva de más de un millón (2²⁰) de posibilidades”, explican en el artículo.

A finales de 2010, dos equipos de la Universitat Pompeu Fabra (UPF) crearon una computadora biológica trabajando con células de levadura, debido a su similitud con las células humanas (ambas son células eucariotas, es decir, con núcleo) y por ser organismos fáciles de manipular en el laboratorio. Con ello demostraron que es posible hacer que células vivas funcionen de manera similar a una computadora.

Hasta ese momento, el principal obstáculo que enfrentaban los científicos era lograr que las unidades biológicas se conectaran entre sí de forma eficiente. Para superar esta limitación, los investigadores de la UPF propusieron distribuir el trabajo entre varios grupos de células de levadura modificadas, de modo que cada una realizara una tarea pequeña y, al combinarlas, el conjunto pudiera resolver operaciones más complejas.

Este trabajo de 5 años abrió la puerta a aplicaciones con gran potencial, como el diseño de células programadas para detectar y responder a enfermedades dentro del cuerpo humano.

Más recientemente, en 2024, la startup de biocomputación suiza FinalSpark lanzó una plataforma de investigación remota que da acceso 24/7 a investigadores a 16 organoides cerebrales –minicerebros cultivados a partir de células madre neurales humanas–, con el “objetivo común de construir el primer procesador biológico del mundo”.

Pero tres años antes, en 2021, la empresa australiana Cortical Labs comenzó a cultivar neuronas obtenidas de células madre y algunas de embriones de ratón hasta formar una colección de 800,000, la cual aprendió a jugar el videojuego de los años 70, Pong, en cinco minutos.

“Las neuronas estaban conectadas a una computadora y gradualmente aprendieron a detectar la posición de la pelota electrónica del juego y a controlar una paleta virtual”, explica la compañía.

Cortical Labs no dejó de acelerar sus esfuerzos en este campo científico, por lo que le preceden dos avances clave: en 2025 presentó CL1, el primer ordenador biológico comercial que alberga 200,000 neuronas humanas cultivadas en una matriz de multielectrodos, con un precio de 35,000 dólares por unidad y poniendo a disposición un primer lote de 115 unidades; y a finales de febrero de 2026, puso a prueba el CL1 con el videojuego de disparos en primera persona, Doom.

El conjunto de células cerebrales logró jugar a un nivel principiante, representando un gran avance, al demostrar capacidad de aprendizaje por ensayo y error sin necesidad de entrenamiento tradicional, ya que las neuronas se adaptan y reconectan solas ante los estímulos. Esto representa su potencial para entrenar y moldear el comportamiento de las células cerebrales vivas para realizar tareas cada vez más complejas.

Estos grandes avances han sido posibles gracias al interés de investigadores de diversas disciplinas, como la bioingeniería, la informática, las matemáticas, la física, la química, la ciencia del control y la tecnología de la información, quienes buscan generar beneficios de gran alcance en diversos sectores de la sociedad.

Potencial con reservas

Si bien se ha dado a conocer el progreso científico de la computación biológica, es una realidad que la mayoría de los investigadores no visualizan en un futuro próximo que los sistemas neuronales sustituyan al silicio, material principal que se utiliza actualmente para los chips de las computadoras electrónicas.

Los sistemas de computación biológica ofrecen ventajas significativas en términos de eficiencia energética (FinalSpark asegura que sus bioprocesadores consumen un millón de veces menos energía que los procesadores digitales tradicionales), capacidad de paralelismo y densidad de almacenamiento. Una sola molécula de ADN, por ejemplo, puede almacenar cantidades masivas de información en un espacio mínimo, mientras que las células y neuronas procesan múltiples operaciones de forma simultánea, algo que la arquitectura de Turing no puede replicar con la misma eficacia. A esto se suma su capacidad de adaptación: a diferencia del silicio, los sistemas biológicos aprenden y se reconfiguran ante nuevos estímulos, lo que los hace especialmente prometedores para resolver problemas de alta complejidad. También se ha considerado como una alternativa éticamente superior a las pruebas con animales.

A pesar de esta serie de ventajas, uno de los principales retos es hacer estables los cultivos celulares a largo plazo (mantenerlos vivos). El avance ha sido notable: en la investigación de 2010 de la Universitat Pompeu Fabra, los investigadores consiguieron que el sistema fuera estable durante 36 horas; en 2024, FinalSpark afirmaba que los organoides de su Neuroplataforma sobrevivían hasta 4 meses, mientras que el CL1, de Cortical Labs, afirma estar diseñado para mantener vivas las neuronas hasta por 6 meses.

Esto frena los experimentos, pero también ha generado ciertas ideas acerca de que los sistemas neuronales, al tratarse de células vivas, pudieran tener sentimientos y sensaciones. En el caso de Cortical Labs, para asegurarse de no crear accidentalmente un cerebro consciente, con todas las cuestiones éticas que ello plantearía, el equipo del Dr. Brett Kagan está trabajando con bioeticistas, quienes argumentan que si las computadoras biológicas adquieren consciencia, tienen un “estatus moral”, lo que limitaría la investigación permitida.

***

Lo que comenzó como una propuesta teórica en 1961 hoy es un ordenador comercial con 200,000 neuronas humanas capaz de aprender por ensayo y error. El camino ha sido largo y los retos persisten, pero la dirección es clara: la computación biológica ha dejado de ser una curiosidad de laboratorio para convertirse en una disciplina con aplicaciones tangibles y debates abiertos.

A medida que los sistemas neuronales sean capaces de procesar tareas más sofisticadas, las discusiones sobre su alcance —técnico, ético y regulatorio— irán cobrando mayor relevancia. Por ahora, lo que este campo ha demostrado es que la biología, además de ser el origen de la inteligencia, podría ser también su próximo soporte.