Biotecnología · us
Primero, estabilizar la plataforma enzimática: el diseño con IA abre una nueva vía para la evolución en laboratorio
El equipo de investigación utilizó primero ProteinMPNN para rediseñar la proteína y después recurrió a la evolución continua para seleccionar su función; la proteasa obtenida mostró una «especificidad seleccionada» por la proteína ataxin-2, relacionada con la neurodegeneración, más de 79 veces superior a la de la mejor versión que partió de la enzima natural.
La modificación de enzimas terapéuticas suele parecer una difícil disyuntiva: al introducir mutaciones para actuar sobre una nueva diana, la proteína puede perder antes su estabilidad o actividad. Un estudio publicado en 《Nature》 propone una estrategia de dos etapas: primero, utilizar inteligencia artificial para rediseñar una «plataforma» proteica más capaz de tolerar cambios y, después, emplear la evolución continua en laboratorio para buscar secuencias con nuevas funciones.
El equipo de investigación utilizó ProteinMPNN para rediseñar la proteasa de la neurotoxina botulínica y, a continuación, llevó a cabo una evolución continua asistida por fagos. Este método permite que fagos portadores de distintas secuencias de proteasa se repliquen repetidamente y sean sometidos a selección, conservando de forma progresiva las variantes capaces de reconocer y cortar con mayor eficacia el sustrato especificado; el estudio comparó en total cuatro experimentos evolutivos que partieron de proteínas rediseñadas por IA o de proteínas de tipo silvestre.
Los resultados mostraron que las dos rutas evolutivas no se limitaron a alcanzar el mismo punto final a velocidades diferentes. Al partir de la versión rediseñada por IA, los investigadores obtuvieron un conjunto de secuencias con buen funcionamiento; algunas mutaciones clave, si se transferían directamente al contexto de la proteasa natural, no funcionaban correctamente. A partir de ello, el equipo planteó que la estabilidad aportada por el rediseño actúa como un margen estructural adicional, que permite a la proteína alojar mutaciones que originalmente tendrían un coste excesivo, pero que ayudan a modificar su función.
En una demostración más próxima a la investigación de enfermedades, el equipo hizo evolucionar la proteasa estabilizada para que cortara una región de ataxin-2 relacionada con la agregación. Ataxin-2 está vinculada a mecanismos de enfermedades neurodegenerativas; la versión derivada de la evolución de la proteasa rediseñada por IA no solo mostró una mayor eficiencia catalítica y estabilidad, sino que su «especificidad seleccionada» por ataxin-2 fue más de 79 veces superior a la de la mejor variante obtenida partiendo de la enzima natural.
Esta diferencia respalda una idea práctica: el diseño de proteínas mediante IA no tiene por qué predecir de una sola vez el fármaco final, sino que puede crear primero un punto de partida más adecuado para la evolución y dejar después que la selección de alto rendimiento explore un espacio funcional complejo. De este modo, la evolución deja de estar limitada por las fronteras de estabilidad inherentes a las proteínas naturales y también podría encontrar combinaciones de mutaciones que no serían viables en un contexto de tipo silvestre.
Sin embargo, esto sigue siendo una prueba de concepto de ingeniería de proteínas y no puede considerarse una demostración de que una terapia dirigida a ataxin-2 ya tenga eficacia clínica. La cifra de más de 79 veces refleja la especificidad bajo determinadas condiciones experimentales de selección y todavía no puede traducirse directamente en eficacia o márgenes de seguridad en seres humanos; en el futuro aún será necesario evaluar la administración en células y animales, los cortes imprevistos, las respuestas inmunitarias y la toxicidad a largo plazo. Los datos de PubMed también revelan solicitudes de patente relacionadas con Broad Institute, lo que indica que este método tiene potencial de traslación y comercialización, y hace aún más importante la validación independiente de los resultados posteriores.