Las miniproteínas diseñadas por IA pueden reconocer células cancerosas, pero la verdadera prueba llega después de conectarlas a un CAR

La IA puede diseñar por ordenador proteínas que encajen estrechamente con marcadores de células cancerosas, pero entre «parecer compatibles» y «funcionar en células inmunitarias» sigue existiendo una brecha experimental. Un estudio publicado en «Nature Communications» estableció un proceso escalable de diseño y cribado y lo probó con tres proteínas de superficie asociadas al cáncer: PD-L1, CD276 (B7-H3) y VTCN1 (B7-H4). Los resultados muestran que las miniproteínas de unión diseñadas por IA no solo deben ser capaces de sujetarse a su objetivo, sino también poseer propiedades bioquímicas adecuadas para su aplicación práctica.

El equipo utilizó primero RFdiffusion para generar estructuras proteicas y después diseñó las secuencias de aminoácidos y predijo las estructuras de unión, seleccionando, entre decenas de miles de candidatos informáticos, miniproteínas compuestas por entre 70 y 88 aminoácidos. A continuación, los investigadores hicieron que células de mamífero o fagos exhibieran estos candidatos y confirmaron progresivamente su capacidad de unión mediante citometría de flujo, secuenciación de nueva generación y resonancia de plasmones superficiales, en lugar de considerar directamente las puntuaciones de los modelos como respuestas definitivas.

Aunque las tres dianas de la familia B7 parecían similares, su dificultad de diseño fue muy distinta. En la primera ronda de cribado con células de mamífero, la población con unión positiva a PD-L1 representó aproximadamente el 2,4 %, mientras que CD276 y VTCN1 estuvieron ambas por debajo del 1 %; solo después de ampliar la biblioteca de diseños, el equipo encontró más candidatos para CD276 y unos pocos para VTCN1. De las 17 miniproteínas dirigidas a PD-L1 sometidas a validación individual, 15 pudieron unirse a la PD-L1 humana, y las constantes de disociación medidas en tres de ellas fueron de aproximadamente 2 a 230 nanomolares, lo que indica que algunos candidatos presentan una afinidad considerablemente alta.

El estudio también examinó si las puntuaciones informáticas podían anticipar realmente el éxito o el fracaso experimental. La puntuación de predicción de interfaz de Chai-1, calculada con información de incrustaciones de ESM, mostró la mejor correlación con los resultados reales de unión y pudo identificar varias mutaciones que alteraban la interfaz de unión; sin embargo, las diferencias entre los modelos fueron limitadas y el número de muestras eficaces para VTCN1 fue demasiado pequeño, por lo que todavía no basta para considerar una sola puntuación como umbral de cribado general y fiable.

Las miniproteínas también pueden ensamblarse en reactivos fluorescentes tetravalentes. La versión dirigida a PD-L1 pudo detectar la proteína endógena en algunas líneas celulares cancerosas, con una intensidad y un patrón de tinción similares a los de los anticuerpos tradicionales; sin embargo, el reactivo para CD276 produjo una señal débil ante los niveles de expresión naturales, y la versión para VTCN1 también mostró un fondo evidente. Esta comparación indica que, al aplicar el mismo proceso de diseño a distintas dianas, no puede darse por sentada la misma sensibilidad y especificidad.

La prueba más decisiva surgió con las células CAR-T. Después de conectar algunas miniproteínas de alta afinidad a receptores quiméricos de antígenos, estas no se expresaron adecuadamente en la superficie de las células T, lo que también limitó su función. Por ello, el equipo conservó la interfaz de unión a CD276 y reescribió las secuencias de otras posiciones de la miniproteína de referencia HM9; las variantes con un punto isoeléctrico de aproximadamente 6,5 a 8,5 presentaron, por lo general, una mejor expresión en superficie. Al enfrentarse a células de melanoma A375 que expresaban CD276 de forma natural, estas células CAR-T optimizadas generaron respuestas más intensas de interferón γ y factor de necrosis tumoral α, y aumentaron la actividad citotóxica in vitro, al tiempo que mantuvieron, en términos generales, una respuesta baja frente a células con CD276 eliminado.

Este sigue siendo un resultado metodológico temprano, no una terapia que pueda pasar directamente a la clínica. El estudio no realizó validaciones in vivo en animales y todavía no ha respondido a cuestiones sobre la inmunogenicidad de las proteínas artificiales, la persistencia de las células CAR-T ni el riesgo de «alcanzar la diana, pero dañar tejidos normales»; el propio CD276 también está presente en entornos celulares no cancerosos, como los vasos sanguíneos tumorales. Por tanto, el mensaje más práctico del estudio no es que la IA ya pueda proporcionar automáticamente moléculas terapéuticas, sino que el diseño, el cribado experimental y la optimización funcional deben integrarse en un mismo proceso: unirse con fuerza es solo el punto de partida.