Investigadores usan AlphaFold 3 para hacer más segura la Edición Genética

La edición de genes funciona como un complejo acoplamiento molecular en el que proteínas especializadas actúan como tijeras para unirse a secuencias de ADN específicas. Sin embargo, incluso una desviación mínima puede provocar que la proteína se adhiera a secuencias incorrectas, generando efectos secundarios no deseados que dificultan la aprobación médica de estas tecnologías. Para solucionar este problema, los científicos han recurrido a modelos avanzados de inteligencia artificial para rediseñar las proteínas de edición sin sacrificar su eficacia biológica.

El funcionamiento de ContactSeek frente a los errores genéticos

Para abordar el problema de la precisión, un equipo de investigación utilizó el software AlphaFold AI-based protein-folding software desarrollado por Google DeepMind. En lugar de limitarse a predecir estructuras estáticas, los investigadores aprovecharon el modelo para calcular la probabilidad de contacto entre la proteína editora y el ADN.

Al analizar miles de interacciones entre sitios correctos y erróneos, el equipo detectó que dos tercios de los sitios incorrectos alteraban la estructura de la proteína Cas9, mientras que casi la totalidad modificaba los aminoácidos que entran en contacto con el ARN guía.

Los resultados de esta optimización fueron probados en editores de bases de adenina que convierten pares de ADN de A a G. La variante resultante, modificada con apenas dos cambios estructurales, demostró un rendimiento superior frente a editores previos de alta fidelidad, de acuerdo con los datos difundidos en Nature.

Sistemas de inyección bacteriana y nuevas aplicaciones terapéuticas

En paralelo, científicos del McGovern Institute for Brain Research at MIT and the Broad Institute of MIT and Harvard han explorado enfoques complementarios para la administración segura de tratamientos moleculares. Liderados por el investigador Feng Zhang, los expertos aprovecharon sistemas de inyección contráctiles extracelulares derivados de bacterias para transportar proteínas terapéuticas a células humanas y animales.

Mediante el uso de AlphaFold, los investigadores rediseñaron las fibras de la cola de estas jeringas moleculares diminutas para que reconozcan receptores específicos en células humanas. En pruebas de laboratorio, el sistema logró destruir casi la totalidad de las células cancerosas que expresaban el receptor EGF sin afectar a las células sanas circundantes, según detalla el MIT.

La capacidad de personalizar la geometría molecular de los editores genómicos impulsará el progreso hacia terapias más seguras y eficientes. Hoi Yee Chu y Alan Wong, Universidad de Hong Kong

Especialistas independientes ajenos a las investigaciones, como Hoi Yee Chu y Alan Wong, han señalado que estas innovaciones amplien de forma significativa las opciones de diseño de proteínas. No obstante, la comunidad científica subraya que los nuevos editores moleculares todavía deben superar las pruebas correspondientes dentro de organismos vivos para validar su seguridad clínica a gran escala.

Desafíos pendientes en la precisión genómica

A pesar del entusiasmo generado por el uso de la inteligencia artificial para resolver problemas históricos de la biotecnología, persisten varios interrogantes técnicos. Entre los principales obstáculos se encuentra determinar con exactitud qué residuos de aminoácidos en la estructura de Cas9 pueden modificarse sin comprometer la actividad enzimática principal.

Asimismo, los expertos recuerdan que la eficacia de herramientas como ContactSeek depende directamente de la calidad de los datos utilizados en su entrenamiento. Con la apertura de códigos y datos en repositorios públicos como GitHub y Zenodo, los investigadores confían en acelerar el desarrollo de nuevas variantes terapéuticas en los próximos meses.