Investigación y desarrollo biotecnológico · global
Acelerar las pruebas experimentales de proteínas diseñadas por IA: síntesis sin células conectada al análisis de unión en tiempo real
Tras sintetizar 200 nanocuerpos, el equipo de investigación identificó en otras 4,5 horas 11 moléculas candidatas capaces de unirse a la diana. Este flujo de trabajo acorta la espera en la validación inicial, pero aún quedan muchas etapas antes de demostrar la eficacia de un fármaco.
Una computadora puede representar la estructura de una proteína, pero el laboratorio aún debe comprobar si es posible producirla y si se une a la diana prevista. A medida que aumenta el número de moléculas candidatas diseñadas por IA, este proceso de validación se convierte en un cuello de botella para la investigación y el desarrollo. Un flujo de trabajo integrado presentado por Sino Biological y Cytiva intenta conectar directamente la síntesis de proteínas con el análisis de unión, reduciendo la espera que requieren el cultivo celular y la purificación individual de las muestras.
Un artículo publicado el 11 de septiembre en Drug Target Review explica que el equipo probó este método con VHH diseñados por IA, es decir, nanocuerpos. Según la información pública de Sino Biological, se sintetizaron en paralelo 200 VHH en un plazo de tres horas; después, se utilizó directamente el sobrenadante de las reacciones para el cribado, que identificó 11 moléculas con resultados positivos de unión en un plazo de 4,5 horas. Estos tiempos corresponden, respectivamente, a la síntesis y al cribado, y no pueden considerarse directamente como el tiempo total desde el diseño por IA hasta la validación completa.
La primera parte del proceso utiliza síntesis de proteínas sin células (CFPS): se extrae la maquinaria celular responsable de producir proteínas y se añaden moldes de ácidos nucleicos, aminoácidos y componentes que suministran energía para realizar la reacción en un tubo de ensayo. En este caso se utilizó el kit CFKIT02; al no tener que esperar al crecimiento de células vivas, los investigadores pudieron producir varias moléculas candidatas simultáneamente.
En la segunda parte, los instrumentos de la serie Biacore 8 utilizan resonancia de plasmones superficiales (SPR) para seguir la unión y la disociación de las moléculas. Mediante una etiqueta His, los investigadores capturan las proteínas candidatas del sobrenadante sin purificar sobre la superficie del sensor y luego miden su interacción con la diana. La expresión «sin purificación» se refiere a que se omite el paso previo de purificar cada muestra por separado; el análisis en sí sigue dependiendo de una captura selectiva sobre la superficie.
Para comprobar si las muestras sin purificar afectaban a las lecturas, el equipo comparó la afinidad de tres moléculas candidatas bajo cuatro condiciones de preparación: sobrenadantes de CFPS obtenidos con moldes lineales y plasmídicos, proteínas de CFPS purificadas y proteínas purificadas producidas por células de ovario de hámster chino (CHO). El fabricante afirma que los resultados fueron muy concordantes; los valores públicos respaldan un comportamiento de unión similar para estas moléculas, pero no bastan para concluir que todas las proteínas obtendrían los mismos resultados.
Este caso aún deja sin aclarar información clave: la descripción pública no revela el modelo de diseño de este grupo de moléculas candidatas, los datos de entrenamiento, la diana concreta ni el umbral para determinar un resultado positivo. El artículo publicado en Drug Target Review también está firmado por Sino Biological y, junto con la información de la empresa, forma parte del relato de un mismo caso, por lo que no puede considerarse una reproducción independiente. Por tanto, los 11 resultados positivos solo describen este cribado y no representan la tasa general de éxito del diseño de proteínas mediante IA.
Para el descubrimiento de fármacos, la utilidad práctica de este método consiste en obtener con mayor rapidez pruebas de la unión de las moléculas candidatas, lo que ayuda a decidir en qué diseños merece la pena seguir invirtiendo recursos. Todavía debe verificarse por separado si pueden modificar la función celular, mantener su estabilidad en el organismo y ser seguras. Acelerar el retorno de los resultados experimentales a la fase de diseño es el valor de este flujo de trabajo que cuenta actualmente con mayor respaldo.