¿Qué es Omnii-1? El modelo de lenguaje genómico detrás de los primeros fagos diseñados por IA

El 20 de octubre de 2026, el laboratorio de IA Radical Numerics presentó Omnii-1, al que denomina el modelo de lenguaje genómico multimodal más avanzado del mundo. La afirmación principal es llamativa: fagos diseñados por el modelo fueron administrados a un paciente humano con una infección resistente a los antibióticos. Esta guía explica qué es realmente Omnii-1, qué hace un modelo de lenguaje genómico, sus ocho aplicaciones y las advertencias que los titulares omiten.

¿Qué es Omnii-1?

Omnii-1 es un modelo de lenguaje genómico: la misma tecnología transformer que hay detrás de los grandes modelos de lenguaje, pero entrenada con datos biológicos en lugar de texto humano. En vez de predecir la siguiente palabra, aprende los patrones del ADN, ARN, proteínas y señales moleculares relacionadas.

Radical Numerics afirma que Omnii-1 fue preentrenado de forma nativa en 28 modalidades biológicas — que abarcan ADN, ARN, proteínas, accesibilidad de cromatina, unión de factores de transcripción, modificaciones de histonas, metilación del ADN, splicing (empalme) y expresión génica, condicionado por tipo celular y tejido (Radical Numerics). Tras el entrenamiento con billones de tokens de datos genéticos y multiómicos, el modelo aprende una representación compartida que puede adaptar a muchos problemas biológicos distintos.

La empresa fue fundada por miembros del equipo detrás de Evo y Evo 2, modelos genómicos anteriores utilizados para diseñar los primeros genomas de bacteriófagos creados íntegramente por IA (Business Wire via FinancialContent).

Por qué importa un modelo "generalista"

Durante años, la IA biológica se ha construido problema a problema: modelos separados para proteínas, regulación génica, enfermedades genéticas y diseño molecular. Radical Numerics argumenta que esto está cambiando — que un único modelo de propósito general puede ahora superar a los modelos especializados en las tareas para las que fueron creados, de forma similar a cómo los LLM generalistas superaron a los sistemas de NLP (procesamiento del lenguaje natural) especializados.

El genoma es el ancla natural para esto. Sirve tanto como referencia común para la biología molecular como registro moldeado por miles de millones de años de evolución, por lo que un modelo basado en ADN puede conectar muchas señales posteriores.

Las ocho aplicaciones

Radical Numerics lanzó Omnii-1 junto con ocho aplicaciones, cada una partiendo del mismo modelo base y adaptada mediante entrenamiento intermedio o posterior. Algunos de los resultados reportados:

• Omnii Genome. Establece un nuevo estado del arte en benchmarks de seguimiento regulatorio y efecto de variantes, por delante de modelos especializados como AlphaGenome y Borzoi, según la empresa.
• Omnii Phage. Diseño dirigido de fagos para infecciones resistentes a antibióticos (ver más abajo). En cepas de E. coli retenidas aleatoriamente, sus dos principales recomendaciones incluyeron un fago biológicamente activo para el 92,1% de las cepas elegibles.
• Omnii Genetics. Clasificó una variante funcional entre sus cuatro primeras selecciones en el 90% de los conjuntos creíbles de GWAS evaluados, y propuso mecanismos en 153 señales de la enfermedad de Parkinson.
• Omnii Diagnostics. Predijo un biomarcador de cáncer en sangre (5hmC libre de células) que nunca vio durante el preentrenamiento, alcanzando una correlación de Pearson de 0,854 en los efectos de variantes de la cohorte evaluada.
• Omnii Defense. Aumentó la recuperación de proteínas relacionadas con la patogenicidad del 78,6% al 95,8% cuando se añadió a un pipeline de cribado convencional.
• Omnii Rare Earths, Omnii Antibody y Omnii Cancer Vaccine completan el conjunto, abarcando el diseño de proteínas para separación de metales, diseño de anticuerpos y selección de dianas para vacunas.

Todas las cifras son propias de Radical Numerics, reportadas en su publicación de lanzamiento y aún no reproducidas de forma independiente.

El hito de los fagos — y sus advertencias

El resultado que impulsa los titulares es el caso de los fagos. Los fagos son virus que infectan bacterias, y la terapia fágica es una opción prometedora cuando los antibióticos fallan — pero encontrar un fago que ataque la infección específica de un paciente es lento e impredecible.

Radical Numerics entrenó Omnii-1 para diseñar fagos viables, priorizar variantes y predecir qué fagos coinciden con qué cepas bacterianas. En lo que denomina el primer uso clínico mundial de fagos diseñados por IA, los diseños de Omnii-1 fueron administrados a un paciente con una infección bacteriana resistente a los antibióticos bajo una vía de uso compasivo autorizada y dirigida por médicos (descripción de Omnii Phage). En pruebas de laboratorio, un cóctel que contenía las variantes diseñadas eliminó el aislado resistente del paciente in vitro antes de la administración.

Aquí es donde conviene mantener la perspectiva:

• Es un único paciente. Radical Numerics afirma que no puede revelar la evolución clínica ni el resultado del paciente, alegando privacidad — por lo que no hay ningún resultado reportado que evaluar.
• Es de carácter investigacional. El uso compasivo permite que los pacientes reciban terapias fuera de los ensayos clínicos cuando no existe ninguna opción aprobada; no es una aprobación regulatoria, y la empresa señala que las observaciones de un solo paciente no pueden establecer seguridad ni eficacia general.
• No ha sido revisado por pares. El informe de la empresa no ha sido revisado por pares ni publicado en una revista científica, y sus comparativas de benchmarks frente a AlphaGenome, Borzoi y otros son autodeclaradas, pendientes de replicación independiente (NYT via GV Wire).

El reportaje de Carl Zimmer para The New York Times señaló que la empresa afirmó que el ensayo fue autorizado por la FDA — lo que subraya que se trata de una noticia real, pero de una noticia sobre un primer paso, no sobre un tratamiento probado.

Cómo se utiliza en la práctica un modelo de lenguaje genómico

Omnii-1 puede utilizarse de forma similar a un LLM, pero para biología: reconstruir una medición faltante, puntuar cómo una variante genética cambia la función, o generar ADN con un perfil deseado. De forma crucial, el mismo ADN puede producir predicciones diferentes según el contexto celular o tisular proporcionado — lo que se aproxima más a cómo funciona realmente la biología.

Para el diseño de fagos específicamente, el modelo edita regiones seleccionadas de un genoma existente (como la fibra de cola de unión al receptor) teniendo en cuenta la secuencia circundante, de modo que puede cambiar el direccionamiento hacia el huésped sin romper la maquinaria que el fago necesita para replicarse.

Por qué esto importa para los desarrolladores de IA

Omnii-1 es un ejemplo de dominio de un patrón más amplio: un modelo general, muchos flujos de trabajo especializados, cada uno conectado con sus propios datos y bucle de evaluación. Tanto si trabajas en biología, finanzas o software, la parte difícil rara vez es el modelo — es orquestar la investigación, las fuentes y las verificaciones a su alrededor.

Si quieres leer lanzamientos como este de forma crítica, consulta nuestros artículos explicativos sobre Periodic Neon, una IA entrenada en laboratorio para la ciencia y el modelo Jev de TypeSafe AI.

Ejecuta tu propio flujo de trabajo de investigación con un equipo de IA

Analizar en profundidad un lanzamiento denso como el de Omnii-1 — recopilar fuentes primarias, verificar las afirmaciones sobre benchmarks y separar el resultado del ruido mediático — es exactamente el tipo de investigación multietapa que una fuerza de trabajo de IA puede gestionar. Eigent es una aplicación de escritorio de código abierto tipo "Cowork" donde un equipo de agentes lee fuentes, compara afirmaciones y redacta el resumen localmente, con tu aprobación en cada paso. Dirígelos hacia un flujo de trabajo de análisis competitivo o descarga Eigent y construye tu propio escritorio de investigación.