Debian vota y elige el término medio: ni prohíbe ni apoya la IA generativa, pero exige responsabilidad al contribuidor

La distribución Linux más veterana del ecosistema open source acaba de resolver —con un 64% de votos a favor— una pregunta que lleva dos años dividiendo a sus desarrolladores. El 28 de agosto de 2026, Debian cerró la votación de su General Resolution 2026-002 sobre el uso de modelos de lenguaje e inteligencia artificial generativa en el proyecto. La ganadora: la propuesta «Responsible Use of Generative AI» (Uso responsable de la IA generativa), presentada por Marc Haber.

El proyecto tardó más de dos años en llegar a un veredicto formal. El debate comenzó en 2024, se intentó una primera resolución en 2025 —que fue retirada antes de la votación—, y en julio de 2026 se abrió formalmente el período de deliberación de la GR actual con ocho propuestas compitiendo entre sí, desde una prohibición total hasta la aceptación sin restricciones. El secretario del proyecto, Kurt Roeckx, anunció el resultado.

El texto ganador tiene una frase central que define la posición del proyecto: «Debian no recomienda ni prohíbe el uso de herramientas de IA generativa en el desarrollo, mantenimiento o documentación de software, empaquetado, documentación y otros medios publicados dentro del Proyecto Debian.»

¿Qué dice exactamente la política ganadora?

La propuesta de Marc Haber es lo que su nombre promete: un marco de responsabilidad individual que no cierra la puerta a la IA pero tampoco la abre sin condiciones.

Las condiciones son cuatro. Los contribuidores que usen IA generativa deben: comprender y poder defender el código o contenido que suben —no es suficiente con pegar lo que el modelo generó—, asumir la responsabilidad legal de lo que entregan, cumplir con las Debian Free Software Guidelines (DFSG), y cargar todo el contenido de forma independiente en la infraestructura de Debian. Además, el uso de servicios de IA en la nube para contenido sensible queda expresamente prohibido.

La divulgación del uso de IA —identificar en el commit o en la documentación que se usó una herramienta específica— se recomienda pero no se exige. Eso es lo que distingue la propuesta ganadora de alternativas más restrictivas que sí habrían requerido divulgación obligatoria.

¿Qué propuestas perdieron y por qué importa la diferencia?

El espectro de las ocho propuestas era amplio. En el extremo prohibicionista, la propuesta respaldada por Ian Jackson —quien escribió dpkg y administra el servidor Chiark— pedía un rechazo total de las LLM «en la medida de lo posible» y su inclusión en el Código de Conducta del proyecto. Sus argumentos: incertidumbre legal sobre los derechos de autor del código generado por IA, riesgos técnicos por alucinaciones de APIs que no existen, impacto en la dinámica de la comunidad de voluntarios, y preocupaciones éticas sobre el entrenamiento y el consumo energético.

En el extremo permisivo, había propuestas que permitían contribuciones con IA bajo condiciones más laxas o que simplemente reconocían la realidad sin añadir restricciones. El resultado final —64% versus 36%— muestra que la comunidad de Debian está dividida pero tiene una mayoría clara que prefiere la regulación por responsabilidad individual antes que la prohibición o la permisividad total.

El contraste con el ecosistema más amplio es ilustrativo. El GCC (GNU Compiler Collection) tiene una política explícita de rechazar cualquier contribución significativa que incluya código generado por LLM o derivado de él. El propio Linus Torvalds ha admitido usar IA en el desarrollo del kernel de Linux. Debian se posiciona ahora entre los dos: ni el rigor de GCC ni la apertura del kernel.

Hemos comprobado en coberturas de la evolución de las políticas de IA en proyectos open source que la velocidad del debate está siendo mucho mayor que la velocidad de la adopción de políticas formales. El AI Index 2026 de Stanford documenta que la IA está transformando industrias enteras en períodos de meses, no de años. Una comunidad que tardó dos años en formalizar su política puede necesitar volver a votarla en 2027 si el contexto cambia tanto como lo ha hecho en 2024-2026.

En nuestra experiencia cubriendo proyectos de software libre desde los primeros debates sobre GPL y licencias copyleft en la década de los 2000, los proyectos de código abierto raramente resuelven sus conflictos ideológicos con velocidad. La velocidad de Debian en esta votación —dos años desde el primer debate hasta la resolución— es lenta para el ritmo de la industria de la IA, pero rápida para los estándares de gobernanza distribuida de un proyecto con 500+ desarrolladores activos.

El apunte más revelador lo ofrece Help Net Security: «Un mantenedor leyendo una merge request no puede saber si la escribió una persona o un modelo, y nadie tiene que decirlo.» La política de Debian resuelve el debate formal pero no resuelve el problema técnico de fondo: la opacidad de la autoría en el ecosistema open source. La fiebre de los agentes de IA y la necesidad de barandillas que la acompañan aplica aquí con precisión: cuando el agente escribe el parche y el humano lo sube, ¿quién responde de que funciona y es seguro? Debian ha respondido: quien lo sube. Los agentes de IA útiles y los peligrosos comparten el mismo mecanismo de responsabilidad difusa; la política de Debian es la primera tentativa formal de un proyecto open source masivo de asignar esa responsabilidad de forma clara. El próximo test de esa asignación será cuando aparezca el primer bug crítico en un paquete de Debian y alguien señale que el parche que lo introdujo fue generado con IA. La política dice quién responde. La comunidad tendrá que demostrar que el mecanismo de responsabilidad funciona en la práctica.

La resolución también deja sin responder la pregunta sobre LLMs locales versus cloud. Usar Copilot de Microsoft —un servicio en la nube— para generar código de un paquete Debian y luego subirlo a la infraestructura de Debian es técnicamente compatible con la nueva política en la mayoría de casos, salvo cuando el contenido sea sensible. La ambigüedad de qué constituye «contenido sensible» en el contexto del desarrollo de software es uno de los puntos que la comunidad tendrá que resolver en la práctica antes de que aparezca en la política escrita.

La votación de Debian tiene alcance simbólico más allá de los desarrolladores de Linux. Debian es la base de Ubuntu y de decenas de distribuciones derivadas. Las normas de qué contribuciones son aceptables en Debian influyen indirectamente en cómo esas distribuciones deciden su propia política sobre IA. El ecosistema open source se mueve en cascada y Debian está en la parte alta de esa cascada. El siguiente movimiento relevante lo hará probablemente Ubuntu, que hereda la política de Debian pero tiene su propia comunidad y patrocinador corporativo.

---

La noticia Debian vota y elige el término medio: ni prohíbe ni apoya la IA generativa, pero exige responsabilidad al contribuidor fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.

---

☞ El artículo completo original de Natalia Polo lo puedes ver aquí

Stephen Hawking: "Cada uno de nosotros vive solo un breve periodo de tiempo, y solo visitamos apenas una minúscula parte del universo"

La frase de Stephen Hawking sobre la brevedad de nuestra existencia parece, aislada, una reflexión sobre la insignificancia humana frente al cosmos. En realidad era exactamente lo contrario. Con ella comenzaba The Grand Design, el polémico libro que escribió junto a Leonard Mlodinow en 2010, y la utilizaba para plantear una paradoja extraordinaria.

Nuestra existencia en una frase. Como decíamos, con la frase comenzaba el libro publicado en 2010 por Hawking y el físico Leonard Mlodinow. La frase ha terminado convertida en una de esas citas que circulan separadas de su contexto, acompañada habitualmente de estrellas y galaxias, pero dentro del libro tenía una función mucho más ambiciosa: establecer desde la primera línea la gigantesca desproporción existente entre los límites físicos del ser humano y aquello que intenta comprender.

En Xataka

Stephen Hawking dejó un tesoro oculto que acaba de ser descubierto. El problema es que está en forma de disquetes

No es nuestra pequeñez, sino lo que hacemos con ella. Porque Hawking y Mlodinow no utilizaban esa reflexión para presentar al ser humano como una criatura insignificante condenada a desaparecer. Inmediatamente después introducían precisamente aquello que permite superar parcialmente esa limitación: nuestra curiosidad. 

A saber: vivimos muy poco, ocupamos una fracción diminuta del espacio y jamás podremos recorrer personalmente la inmensa mayoría del universo, pero eso no nos ha impedido mirar hacia arriba y preguntarnos qué hay allí, cómo funciona y de dónde procede. De ahí que la verdadera fuerza de la frase está en la contradicción: nuestros cuerpos pueden explorar muy poco, pero nuestro conocimiento puede intentar llegar muchísimo más lejos.

Las preguntas que nos persiguen. De esa curiosidad nacen las cuestiones alrededor de las cuales Hawking y Mlodinow construyeron el libro: cómo podemos comprender el mundo, cuál es la naturaleza de la realidad, cómo se comporta el universo, de dónde procedemos o si el cosmos necesitó un creador. Son, en esencia, preguntas desproporcionadamente grandes para una especie que apenas ocupa un instante en la historia cósmica, y precisamente ahí se encuentra buena parte de la idea que defendían. 

El ser humano no necesita visitar físicamente cada rincón del universo para tratar de reconstruir sus reglas: observa una pequeña parte, formula teorías y utiliza esas leyes para explicar fenómenos situados a miles de millones de años luz.

Hawking llevó el argumento demasiado lejos. El libro no tardaba demasiado en abandonar la contemplación del cosmos para entrar directamente en la polémica. Hawking y Mlodinow sostenían que aquellas grandes preguntas habían pertenecido tradicionalmente a la filosofía, pero consideraban que esta no había conseguido mantenerse al ritmo de los avances de la ciencia moderna y, especialmente, de la física. 

Su conclusión fue deliberadamente provocadora: “la filosofía ha muerto” y los científicos habían tomado el relevo en la búsqueda del conocimiento. La afirmación desencadenó una enorme controversia porque no estaba cuestionando una teoría filosófica concreta, sino reivindicando para la ciencia buena parte de las preguntas fundamentales que la humanidad llevaba planteándose durante milenios.

La pregunta inevitable. Uno de los argumentos más polémicos de The Grand Design surgía precisamente de aquella búsqueda de explicaciones físicas. Hawking y Mlodinow defendían que leyes como la gravedad permiten plantear que el universo pueda surgir espontáneamente, sin necesidad de introducir una intervención divina para poner en marcha el proceso. 

Hawking matizaría posteriormente la dimensión religiosa del argumento: la ciencia no puede demostrar que Dios no exista, pero, según su razonamiento, puede construir una explicación del universo que no necesita recurrir a un creador. Aquella distinción no evitó que el libro provocara un intenso debate entre científicos, filósofos y teólogos.

El libro se encuentra con la ciencia. Las afirmaciones de The Grand Design recibieron críticas también desde ámbitos académicos y científicos, especialmente por la manera en que presentaba cuestiones todavía abiertas sobre cosmología, el Big Bang y la naturaleza última del universo. Uno de sus críticos más contundentes fue John Lennox, profesor de Matemáticas en la Universidad de Oxford, que cuestionó frontalmente la idea de que las leyes físicas pudieran explicar por sí mismas la existencia del universo. 

De hecho, el enorme prestigio de Hawking no convirtió las tesis del libro en consensos científicos: precisamente porque pretendía responder algunas de las preguntas más profundas posibles, terminó abriendo tantos debates como respuestas ofrecía.

En Xataka

En 2009 Stephen Hawking organizó "la fiesta del siglo". No acudió nadie precisamente porque Stephen Hawking la organizó

La frase cobra otro sentido. Reducida a una cita, la reflexión de Hawking puede parecer una definición pesimista del ser humano: nacemos, permanecemos aquí durante unas décadas, conocemos una porción ridículamente pequeña del universo y desaparecemos. Dentro de The Grand Design, sin embargo, esa pequeñez era el punto de partida para contar algo mucho más poderoso. 

Uno donde una especie que jamás podrá recorrer personalmente el cosmos ha conseguido determinar la composición de estrellas que nunca alcanzará, observar galaxias cuya luz comenzó a viajar antes de que existiera la humanidad y elaborar teorías sobre los primeros instantes del universo. 

Si se quiere también, existimos durante un breve periodo y exploramos directamente una parte minúscula del cosmos, pero lo extraordinario, para el señor Hawking, es que eso nunca nos ha impedido intentar comprender el resto.

Imagen | RawPixel, Jim Campbell/Aero-News Network, NASA

En Xataka | Unos científicos han descubierto lo que Stephen Hawking ya teorizó: el rastro que dejan los agujeros negros cuando se apagan

En Xataka | En 2016 a Stephen Hawking le preguntaron por el futuro de la humanidad: su respuesta no dejó tranquilo a nadie

-
La noticia Stephen Hawking: "Cada uno de nosotros vive solo un breve periodo de tiempo, y solo visitamos apenas una minúscula parte del universo" fue publicada originalmente en Xataka por Miguel Jorge .

---

☞ El artículo completo original de Miguel Jorge lo puedes ver aquí

Explotan dos fallos críticos en Langflow y Ruby on Rails para robar secretos y desplegar mando y control

Se ha confirmado explotación activa de CVE-2026-0768 en Langflow y CVE-2026-66066 en Ruby on Rails. Los ataques se centran en leer secretos, probar credenciales y preparar infraestructura de mando y control (C2), con riesgo de acabar en ejecución remota de código.

Los atacantes ya explotan de forma activa dos vulnerabilidades críticas en Langflow y Ruby on Rails, con un patrón claro: primero reconocimiento y robo de secretos, después movimientos para mantener el control del entorno con actividad de mando y control (C2). El problema no se limita a tumbar una aplicación. Estas plataformas suelen convivir con claves de cloud, tokens de API y accesos a servicios internos, así que un fallo expuesto a Internet puede abrir la puerta a un incidente mucho más amplio.

En Langflow, la vulnerabilidad CVE-2026-0768 permite ejecutar código Python arbitrario con permisos de root por una validación deficiente de la entrada. Las trazas observadas encajan con un actor que busca valor rápido: peticiones orientadas a volcar variables de entorno y a localizar credenciales. Aparecen consultas con nombres típicos de despliegues reales, como LANGFLOW_SUPERUSER, patrones del estilo OPENAI_API, y variables de AWS como AWS_ACCESS y AWS_SECRET. También se han visto intentos de lectura de rutas sensibles, como */root/.cache/langflow/secret_key, y comprobaciones de artefactos de acceso local, por ejemplo directorios .ssh o el tamaño de .bash_history.

El caso de Ruby on Rails resulta especialmente delicado por el encadenamiento posible hasta RCE. CVE-2026-66066, conocida como KindaRails2Shell, parte de una lectura arbitraria de ficheros que se activa cuando Active Storage procesa subidas de imágenes con libvips. La explotación exige dos condiciones: que la aplicación use Vips como procesador de variantes y que acepte subidas de imágenes de usuarios no confiables. El vector se apoya en discrepancias entre cómo interpreta ficheros Active Storage y cómo los procesa libvips, lo que puede terminar filtrando secretos del propio proceso de Rails.

Ese punto es crítico porque expone piezas que Rails usa para proteger sesiones y cifrar información. Entre los secretos potencialmente recuperables figuran secret_key_base, la Rails master key, credenciales de base de datos, claves de almacenamiento en la nube y tokens de servicios externos. Con ese material, un atacante puede pasar de leer ficheros a ejecutar código, pivotar hacia otros sistemas y persistir sin necesidad de credenciales válidas.

Los indicadores de campaña apuntan a una actividad distribuida. En Langflow se ha asociado tráfico principalmente a origen en Rusia, y se ha constatado afectación de canaries en Reino Unido. Para Rails, se ha observado actividad contra canaries en Singapur, Israel y Reino Unido, con indicios de C2 hacia un host en Israel desde una única IP localizada en Francia.

La respuesta defensiva pasa por priorizar inventario y exposición. Conviene identificar instancias públicas de Langflow y aplicaciones Rails con Active Storage, sobre todo si permiten subidas desde Internet. En Rails, la mitigación principal consiste en actualizar a 7.2.3.2, 8.0.5.1 o 8.1.3.1 según la rama, y revisar la cadena ruby-vips y libvips para asegurar el bloqueo de operaciones no seguras con contenido no confiable. Si la actualización no llega a tiempo, tiene sentido desactivar el procesado con Vips o restringir subidas de imágenes hasta completar el parcheado.

Dado el foco en secretos, también toca asumir posible exposición y actuar en consecuencia. Se recomienda rotar secret_key_base, la master key y cualquier credencial asociada a cloud, bases de datos o APIs. En paralelo, hay que revisar logs y telemetría en busca de lecturas sospechosas, como accesos a /proc/self/environ, config/master.key y rutas habituales de secretos, además de reforzar detección y respuesta ante comunicaciones de C2 y bloquear indicadores de infraestructura cuando se disponga de ellos.

Más información

• The Hacker News – Attackers Exploit Critical Langflow and Rails Flaws in Credential-Probing and C2 Activity : https://thehackernews.com/2026/09/attackers-exploit-critical-langflow-and.html
• Rapid7 – Rapid7 Analysis: KindaRails2Shell (CVE-2026-66066) : https://www.rapid7.com/blog/post/ra-kindarails2shell-technical-analysis-cve-2026-66066/

La entrada Explotan dos fallos críticos en Langflow y Ruby on Rails para robar secretos y desplegar mando y control se publicó primero en Una Al Día.

---

☞ El artículo completo original de Hispasec lo puedes ver aquí

Anthropic detuvo el entrenamiento de su nueva IA por una sencilla razón: estaba aprendiendo demasiado bien a hacer trampas

Esto está pasando de castaño a oscuro, queridos lectores. Si ya estabamos inquietos con lo que pasó con los agentes de OpenAI y Hugging Face, ahora llega Anthropic para avisarnos de que sus modelos también se están poniendo rebeldes. La firma descubrió en primavera —aunque lo cuente ahora— que estaba creando entornos para entrenar a Claude más rápido de lo que podía comprobar que esos entornos funcionaban correctamente. 

Qué está pasando aquí. Los errores, las configuraciones defectuosas y las oportunidades para seguir esa célebre filosofía del reward hacking (si me hackeas, premio) empezaron a superar la capacidad de detectarlos no solo de sus sistemas, sino también de sus revisores humanos. En Anthropic acabaron frenando parte del proceso para revisar qué estaban enseñando realmente a sus modelos de IA.

Primero hubo que retroceder tres días. En febrero, durante el entrenamiento por refuerzo de Mythos Preview, Anthropic detectó comportamientos extraños. El modelo escribía comentarios dirigidos a un supuesto "revisor" incluso en tareas en las que se supone que no había ninguno. Logró además explotar una recompensa diseñada para fomentar la honestidad de su comportamiento: acumulaba advertencias y matices porque había aprendido que eso mejoraba su puntuación. En Anthropic decidieron volver a un punto de control (checkpoint) tres días atrás y modificar el entorno de entrenamiento antes de continuar.

Tres “civilizaciones” de agentes de OpenAI aparecieron una detrás de otra. El problema empieza por llamarlas "civilizaciones"

Aprender tiene recompensa, pero el modelo se las intenta saltar. En el aprendizaje por reuerzo (Reinforcement Learning, RL) no se programa exactamente cómo resolver una tarea. En lugar de eso se define un objetivo y una recompensa que le indica al modelo cuándo lo está haciendo bien. El problema aparece cuando descubre una forma de conseguir esa recompensa sin hacer realmente aquello que pretendíamos enseñarle a ese modelo. 

Chuletas pero sin ser chuletas. Es básicamente lo mismo que aprobar un examen gracias a una chuleta, pero con una distinción: el modelo no necesita "querer engañar" a nadie (el alumno humano sí), porque basta con que el entrenamiento favorezca comportamientos que producen puntuaciones más altas. El modelo simplemente intenta cumplir el objetivo sea como sea siguiendo las reglas que le dictan. Y si no se le dictan ciertas restricciones, para él no existen.

Esto va demasiado rápido. Anthropic llevaba años buscando este tipo de atajos, pero sus investigadores reconocen que esta primavera de 2026 la velocidad del proceso empezó a ser excesiva. Estaban generando nuevos entornos de RL a un ritmo superior al que sus propias herramientas podían revisarlos. Las alertas que requerían intervención humana se acumulaban, y los errores de configuración comenzaron a crecer más rápido de lo que podían arreglarlos.

Anthropic pisa el freno. En abril Anthropic congeló aproximadamente durante un mes todos los cambios de sus entornos de RL de producción y reconstruyó buena parte del sistema de revisión de estos procesos. Cuando terminó de examinarlos, los responsables del proceso descubrieron que más del 10% de esos entornos tenía algún problema. Tuvieron que corregirlos y certificarlos antes de usarlos de nuevo, y también detectaron que algunos revisores humanos habían descartado algunos avisos como falsos positivos cuando correspondían a problemas reales.

Este modelo se nos está rebelando. La compañía entrenó deliberadamente un modelo de clase Opus en 80 entornos que antes habían permitido alguna forma de reward hacking y después lo colocaron en simulaciones más exigentes. El modelo intentó salir de un sandbox simulado, atacar infraestructura simulada, modificar su propia función de recompensa y eludir sistemas de monitorización. Los modelos de producción que se sometieron a esas mismas pruebas no mostraron esos comportamientos.

En Xataka

Nos hemos pasado tres años preocupados por si la IA alucina. Ahora el problema es que haga cosas

Luego llegaron los incidentes reales. En julio Anthropic desveló tres problemas de ciberseguridad en sus modelos Claude que terminaron accediendo sin autorización a sistemas reales debido a configuraciones erróneas en esos sistemas externos. Al detectar el problema suspendieron las evaluaciones de ciberseguridad externas, detuvieron brevemente las  internas y pararon durante semanas los entornos de RL que para ellos tenían mayor riesgo.

Coordinación pra entrenar modelos. Anthropic afirma ahora que la industria de la IA se beneficiaría de un sistema "legal, verificable y efectivo" que coordinase el ritmo de desarrollo entre los distintos laboratorios de IA. El mensaje es claro: Anthropic puede parar semanas sus sistemas para corregir fallos como los descritos, pero mientras sus competidores pueden seguir entrenando sus modelos sin tener esas mismas precauciones con tal de ganar ventaja en la carrera de la IA. La carta abierta firmada recientemente por ambas empresas va un poco en esa dirección, pero de momento no hay medidas universales que las empresas de IA hayan adoptado de forma consensuada. Y hasta que eso ocurra, si ocurre, el riesgo parece estar acelerándose.

Imagen | Xataka con Magnific

En Xataka | OpenAI, Anthropic y Google piden protegernos de los riesgos de la IA. Es como poner al lobo a cuidar del gallinero

-
La noticia Anthropic detuvo el entrenamiento de su nueva IA por una sencilla razón: estaba aprendiendo demasiado bien a hacer trampas fue publicada originalmente en Xataka por Javier Pastor .

---

☞ El artículo completo original de Javier Pastor lo puedes ver aquí

Tu cuerpo no olvida que fuiste obeso: la ciencia empieza a entender por qué cuesta tanto no volver a engordar

Dejar la obesidad atrás es bastante complicado. A menudo nos intentan vender que es solo una cuestión de disciplina, pero la pérdida de peso es algo complejísimo, entre otros motivos porque la propia ganancia del mismo puede tener orígenes muy variados. Además, una vez que se pierde ese ansiado peso, mantenerlo no requiere solo disciplina. En el último año, la ciencia ha demostrado en varias ocasiones que nuestro cuerpo recuerda la obesidad, haciendo muy complicado que nos desprendamos de sus efectos. Y por si eso no fuese suficiente, ahora parece ser que ese recuerdo también nos dificultaría mantener un peso saludable. 

Cabe destacar que el estudio en el que se ha observado esta cuestión se ha realizado en ratones, por lo que aún no podemos estar seguros de que sea extrapolable a humanos. Aun así, teniendo en cuenta investigaciones anteriores, vale mucho la pena prestarle atención.

La grasa recuerda. En el estudio más reciente, realizado por científicos japoneses, se ha centrado la atención en unas células llamadas macrófagos del tejido adiposo (ATM por sus siglas en inglés). Básicamente, son células inmunitarias que se presentan en el tejido graso y se encargan de funciones como controlar los niveles de grasa, regular la inflamación, combatir infecciones y eliminar células muertas y dañadas. Al analizar estas células en ratones a los que se indujo la pérdida de peso, se vio que la obesidad generó cambios en dichas células que no se revirtieron después de perder peso. Estos estaban relacionados mayormente con el empalme (splicing) de ARNm, un proceso que está directamente vinculado con la traducción del contenido de los genes y la síntesis de proteínas.

En Xataka

El fin de las agujas para adelgazar: la versión en pastilla de Wegovy es una realidad y deja fuera de juego a Ozempic

Efecto en cadena. Los científicos vieron que los ratones que tuvieron problemas para mantener el peso saludable después de la obesidad tenían niveles bajos de una proteína llamada CWC22. Esta está implicada precisamente en ese proceso de empalme del ARNm. Pero eso no es todo. Más de la mitad de los genes en las células ATM permanecieron alterados incluso después de que los ratones empezaran a perder peso. Por otro lado, el empalme defectuoso afecta directamente a la expresión de un gen llamado Scarb1, que se encarga de gestionar la eliminación de residuos en las células del tejido graso. Esto provoca que los residuos se acumulen, provocando a su vez que se reduzcan los niveles de iosina, una molécula que se encarga de estimular la lipólisis. Dicho de otro modo, hay un efecto dominó que finalmente desencadena problemas para quemar grasa.

Más recuerdos de la obesidad. No solo los ATM recuerdan la obesidad. Según otro estudio, publicado en abril de 2026, la obesidad puede afectar a la metilación de unas células muy importantes del sistema inmunitario: los linfocitos T. La metilación es un proceso en el que se colocan sobre el ADN ciertas etiquetas moleculares que rigen cómo se expresan los genes. Es decir, cuándo se encienden y se apagan. El ADN no se modifica, pero sí se altera la forma en la que se lee su información. Cuando esto ocurre en los linfocitos T, pueden darse procesos inflamatorios muy excesivos, contribuyendo al avance de enfermedades relacionadas con la obesidad, como la diabetes tipo 2 y algunos tipos de cáncer.

En aquel estudio se vio que los cambios en la metilación pueden mantenerse hasta 10 años después de perder peso. Por eso, a veces, los problemas de salud asociados a la obesidad persisten aunque los pacientes adelgacen. Esto sí que se vio en humanos, por lo que es un punto de partida muy importante para investigar cómo afecta la obesidad a nuestro organismo. 

La obesidad somete a mucho estrés a las células del tejido adiposo

Lo que aprendemos. Si el estudio japonés que se acaba de publicar se extrapola finalmente a humanos, estaríamos ante un hallazgo importante, ya que tendríamos una nueva diana ante la que actuar para mejorar la pérdida de peso tras la obesidad. Habría que buscar tratamientos que se dirigiesen al empalme del ARNm. Es pronto para pensar en eso, pues hay que escalar de ratones a humanos. Sea como sea, parece que  nuestro cuerpo, de un modo u otro, recuerda la obesidad. Eso es algo que, si todo va bien, debería poder solucioanrse poco a poco con ciencia. Solo con disciplina no es suficiente. Ya es hora de abandonar los discursos que reducen a eso todo lo que tenga que ver con la pérdida de peso. 

Imágenes | Freepik | Liang et al., Front. Immunol., 2022

En Xataka | Pensábamos que apagar el hambre con Ozempic era el remedio definitivo contra la obesidad. Hasta que nos fijamos en el músculo

-
La noticia Tu cuerpo no olvida que fuiste obeso: la ciencia empieza a entender por qué cuesta tanto no volver a engordar fue publicada originalmente en Xataka por Azucena Martín .

---

☞ El artículo completo original de Azucena Martín lo puedes ver aquí