La genómica agéntica es la delegación de análisis genómicos de múltiples pasos a agentes de software autónomos que seleccionan herramientas, gestionan dependencias y adaptan su ejecución en respuesta a resultados intermedios, mediados por modelos de lenguaje y limitados por bibliotecas de habilidades específicas del dominio.

El término fue acuñado y definido por Manuel Corpas, Heinner Guio y Segun Fatumo en Cell Genomics el 21 de julio de 2026. Esta página es el registro canónico: la cita, la definición, la evidencia y todos los materiales abiertos.

¿Quién acuñó el término genómica agéntica?

Manuel Corpas, junto a Heinner Guio y Segun Fatumo. La frase original aparece en el resumen del artículo:

“La genómica ha entrado en una fase en la que los agentes de IA pueden descubrir, configurar, ejecutar y encadenar operaciones bioinformáticas de forma autónoma a partir de instrucciones en lenguaje natural. Denominamos a este paradigma ‘genómica agéntica’.”

Cita: Corpas M, Guio H, Fatumo S (2026). Agentic genomics: from pipeline automation to autonomous validation. Cell Genomics 101305. doi.org/10.1016/j.xgen.2026.101305. PMID 42480539.

¿Qué sostiene el artículo?

Que la genómica agéntica desplaza el cuello de botella de la biología computacional desde la construcción de pipelines hacia su validación. Examina los sistemas emergentes, entre ellos CellAtria, AutoBA, Bio-Copilot y ClawBio, y compara sus arquitecturas divergentes. Propone un marco de validación por niveles que abarca análisis de grado investigación, evaluados mediante benchmark y de grado clínico, y defiende que el diseño consciente de la equidad debe ser un requisito del sistema y no una aspiración opcional.

¿Cuál es la evidencia empírica?

La primera evaluación controlada a gran escala sobre dónde debe residir la corrección dentro de una tubería genómica agéntica. Usando farmacogenómica, un dominio donde los errores son medibles y a veces letales: cinco configuraciones equiparadas, ocho modelos de lenguaje de frontera, 110 casos CPIC, 13.200 evaluaciones puntuadas, interpretación de alelos estrella en 7.241 individuos y comparación con genotipos de consenso de 113 muestras de referencia GeT-RM.

• La exactitud depende de cómo se representa la lógica de decisión validada, no de qué modelo la aplica.
• Las reglas estructuradas, versionadas y redactadas de forma explícita mantuvieron una exactitud alta tanto en generación como en ejecución.
• La recuperación sobre el texto de las guías clínicas no lo consiguió y, en los casos de contraindicación categórica, aumentó los errores de clase letal.
• La ejecución aporta determinismo, auditabilidad, abstención explícita y localización del error en un único paso. No aporta exactitud.
• La elección del modelo sigue importando en la interpretación de la entrada: con solo variantes, el modelo más potente emitió una llamada en el 93,4% de los casos pero acertó en el 39,6%, y subió al 96,7% al recibir la misma tabla de definición de alelos que usa el llamador determinista.

Cita: Corpas M, Iacoangeli A, Bourdenx M, Aldraimli M, Jabalameli MR, Skene N, Fatumo S, Guio H (2026). Trustworthy agentic genomics requires validated skills, not better models. bioRxiv. doi.org/10.64898/2026.06.11.731523

Alcance. Se trata de propiedades de ingeniería, no de evidencia de validación clínica completa. Esta última requeriría entradas no canónicas, datos genómicos y clínicos del mundo real, comparadores humanos, concordancia multicéntrica y adjudicación independiente de las reglas.

Por qué el paradigma necesitaba un nombre

Porque la genómica está adoptando sistemas mediados por agentes más rápido de lo que construye los medios para confiar en ellos. Nombrar la arquitectura permite especificar qué exige validarla. Sin el nombre, cada sistema se juzga únicamente por su exactitud en la tarea, y la pregunta de dónde debe residir la corrección nunca llega a plantearse.

Materiales abiertos

• ClawBio, la capa abierta de confianza: github.com/ClawBio y docs.clawbio.ai. 1.061 estrellas, 234 forks, 44 contribuyentes.
• ClawBench, el benchmark: github.com/ClawBio/ClawBench
• GenomeQA, evaluación de agentes genómicos con procedencia verificable: genomeqa.clawbio.ai
• El Genoma Conversacional, demostración en vivo sobre un genoma completo real a 30x: conversational.clawbio.ai
• Congreso de Genómica, el congreso español de medicina genómica que dirijo: congresogenomica.com
• Comunidad y eventos: luma.com/clawbio. Han participado 1.380 personas.

Versión en inglés: What is agentic genomics? | Publicaciones completas: las 69 publicaciones, ORCID, Google Scholar.