Hace un tiempo vengo pensando en cómo aplicar enfoques novedosos a la bioprospección: la búsqueda sistemática en la biodiversidad para descubrir desde especies hasta moléculas con potencial de interés económico, desde nuevos alimentos hasta medicamentos. Hacer bioprospección es, literalmente, «minar» la biodiversidad.
Estamos en el siglo XXI y las tecnologías fundamentales para este campo —farmacología, química, ciencia de datos, robótica, inteligencia artificial, entre otras— han experimentado un crecimiento exponencial en las últimas dos o tres décadas. Sin embargo, se estima que cerca del 99% de las especies vegetales (y un porcentaje aún mayor de hongos y microorganismos) continúan siendo prácticamente desconocidas.
¿Por qué sucede esto? Considero que el problema principal no es tecnológico, sino metodológico.
Aun a riesgo de caer en un reduccionismo —aunque resulta una simplificación sumamente útil desde lo metodológico—, creo que podríamos dividir a la biodiversidad vegetal en tres grandes universos (ver figura).
En la cima de la pirámide encontramos las especies intensamente cultivadas o altamente comercializadas. Constituyen la base de la seguridad alimentaria, de alimentos funcionales, de suplementos y de productos terapéuticos clave como la artemisinina, la galantamina o el taxol. Se trata de apenas unas 500 especies (alrededor del 0,1% de la biodiversidad vegetal del planeta), sobre las cuales existe abundante información nutricional, química y farmacológica, y que en la actualidad son producidas a escala de commodities.
En el otro extremo de la pirámide —la base— se ubica un vasto universo constituido por más del 90% de las plantas. Es el denominado dark chemical space de la biodiversidad: una verdadera caja negra carente de información más allá de las descripciones botánicas y las distribuciones geográficas.
¿Cómo abordar este universo? Hace más de tres años, junto al Banco Interamericano de Desarrollo (BID), propusimos una metodología para conectar esta biodiversidad con las plataformas de cribado de alto rendimiento (HTS, por sus siglas en inglés). El modelo es simple pero efectivo: construir bancos de extractos representativos de ecosistemas de interés que funcionen como «plataformas de acceso a la biodiversidad». De este modo, se resuelven los principales cuellos de botella para articular la biodiversidad con las tecnologías modernas (matching). (ver: El BID presentó un informe sobre el estado de situación y el potencial de la bioprospección en América Latina)
Aunque este esquema se utiliza en países como Australia, Francia y EE. UU., en América Latina es poco frecuente. Para validar el modelo, actualmente el BID trabaja en la Amazonía, uno de los ecosistemas más biodiversos del planeta. En este nivel, la inteligencia artificial cumple un rol acotado: los modelos de IA son tan eficientes como los datos con los que se entrenan, y en este universo de la biodiversidad los datos prácticamente no existen.
Finalmente, nos queda el universo intermedio. Un espacio donde la información sí existe, pero de forma dispersa, escasa e incompleta: la Frontera NUS (Neglected and Underutilized Species). Está conformada por cultivos locales y plantas medicinales poco conocidas pero con un enorme potencial para transformarse en los nuevos alimentos y medicamentos de la humanidad. Estamos hablando de, a lo sumo, el 10% de la biodiversidad vegetal del planeta.
¿Cómo se trabaja en la actualidad en este universo intermedio? Principalmente de forma artesanal: primero se define el área terapéutica o nutricional de interés, luego se seleccionan especies con antecedentes de uso tradicional en dicho ámbito y, finalmente, se procede a su validación. Es el enfoque clásico conocido como el «método etnobotánico».
Herramientas avanzadas como la inteligencia artificial explicable (XAI) permiten abordar este universo de una manera sustancialmente distinta y más eficiente. Al integrar bases de datos globales y analizarlas mediante descriptores que conectan el conocimiento ancestral con los sistemas de salud modernos, es posible identificar patrones en grandes volúmenes de datos dispersos. Esto acelera significativamente la identificación y el desarrollo de nuevas oportunidades biológicas para la salud y la nutrición, ya que permite el ingreso a los pipelines de I&D de oportunidades con mayores probabilidades de éxito.
Aunque este enfoque ya comienza a aplicarse en distintas partes del mundo, en América Latina —que alberga más del 50% de la biodiversidad del planeta— su adopción es aún incipiente, lo que representa una oportunidad extraordinaria para el desarrollo de la bioeconomía de la región, particularmente en aquellos países donde la biodiversidad es un activo de gran potencial económico.
