El avance que podría revolucionar la creación de fármacos, aunque la implementación clínica aún está lejos.
Desde laboriosos procesos hasta el potencial de la inteligencia artificial, el diseño de anticuerpos está experimentando una revolución sin precedentes. Un equipo de investigadores ha utilizado IA generativa para crear completamente nuevos anticuerpos por primera vez, según un estudio publicado esta semana en un preimpreso en bioRxiv. Este hito podría democratizar la capacidad de diseñar anticuerpos terapéuticos, un mercado que vale cientos de miles de millones de dólares.
Los anticuerpos, moléculas inmunitarias que se adhieren firmemente a proteínas implicadas en enfermedades, han sido tradicionalmente creados mediante enfoques de fuerza bruta que involucran la inmunización de animales o el cribado de vastas cantidades de moléculas. Sin embargo, herramientas de IA que pueden acortar esos costosos esfuerzos tienen el potencial de "democratizar la capacidad de diseñar anticuerpos", según Nathaniel Bennett, coautor del estudio y bioquímico computacional en la Universidad de Washington en Seattle a Nature. Pero, ¿qué tan cerca estamos de ver estos avances en la clínica?
El trabajo liderado por biólogos computacionales David Baker y Joseph Watson, de la Universidad de Washington, marcó un hito al modificar una herramienta de diseño de proteínas basada en IA, conocida como RFdiffusion. Esta herramienta, similar a las utilizadas por inteligencias artificiales generadoras de imágenes como Midjourney y DALL·E, fue entrenada con miles de estructuras experimentales de anticuerpos unidos a sus blancos, así como con ejemplos del mundo real de otras interacciones similares a anticuerpos.
El enfoque del equipo permitió el diseño de miles de anticuerpos que reconocen regiones específicas de varias proteínas bacterianas y virales, incluidas aquellas utilizadas por los virus SARS-CoV-2 e influenza para invadir células, así como un objetivo para fármacos contra el cáncer. Aunque solo aproximadamente uno de cada 100 diseños de anticuerpos funcionó como se esperaba, esta tasa de éxito es más baja que la alcanzada por otros tipos de proteínas diseñadas por IA. Sin embargo, los investigadores lograron determinar la estructura de uno de los anticuerpos contra la influenza mediante microscopía crioelectrónica, confirmando que reconocía la porción prevista de la proteína objetivo.
Aunque algunas empresas ya están utilizando IA generativa para desarrollar fármacos basados en anticuerpos, el equipo de Baker y Watson espera que RFdiffusion pueda abordar objetivos de fármacos que han resultado difíciles, como los receptores acoplados a proteínas G, que son proteínas de membrana que ayudan a controlar las respuestas de una célula a sustancias químicas externas.
Sin embargo, los anticuerpos generados por RFdiffusion están lejos de llegar a la clínica. Los anticuerpos diseñados que funcionaron no se unieron particularmente fuertemente a sus objetivos, y cualquier anticuerpo utilizado terapéuticamente necesitaría modificar sus secuencias para parecerse a los anticuerpos humanos naturales y evitar así una reacción inmunitaria. Además, los diseños son lo que se conoce como anticuerpos de un solo dominio, similares a los encontrados en camellos y tiburones, en lugar de las proteínas más complejas en las que se basan casi todos los fármacos aprobados con anticuerpos.
A pesar de estos desafíos, el avance representa un paso significativo hacia la aplicación clínica de herramientas de diseño de proteínas basadas en IA. En última instancia, la combinación de inteligencia artificial y biología está allanando el camino hacia una nueva era en el diseño de fármacos, donde la precisión y la eficacia podrían alcanzar niveles sin precedentes, aunque aún quedan desafíos significativos por superar antes de que estos avances se materialicen en la práctica clínica cotidiana.