La IA reescribe unas tijeras genéticas diminutas: el equipo de Doudna crea SynTnpB de alta actividad

Las herramientas de edición genética no tienen por qué proceder únicamente de la naturaleza. Un equipo de investigación dirigido por la ganadora del Premio Nobel Jennifer Doudna utilizó inteligencia artificial para rediseñar TnpB, una nucleasa diminuta guiada por ARN, y crear una serie de variantes sintéticas denominadas SynTnpB. Algunos diseños conservaron e incluso superaron la actividad de edición de la enzima original, pese a que sus secuencias de aminoácidos se alejaban notablemente de las de la proteína natural. El estudio se publicó en *Science*.

TnpB se considera el antepasado evolutivo de algunos sistemas CRISPR-Cas12. Su pequeño tamaño podría resultar ventajoso para trabajos de edición genética sujetos a las limitaciones de capacidad de los vectores. La dificultad radica en que estas enzimas deben reconocer simultáneamente el ARN guía y el ADN objetivo, además de alternar entre distintas conformaciones; una modificación poco cuidadosa de la secuencia podría alterar todo el sistema de cooperación molecular.

El equipo empleó ESM-IF1, el modelo de plegamiento inverso desarrollado por Meta, para inferir, a partir de una estructura tridimensional determinada, qué secuencias de aminoácidos podrían formar esa estructura. Después, utilizó información evolutiva de la familia TnpB para conservar los residuos esenciales para su función. Los investigadores diseñaron por separado las regiones de unión al ARN y al ADN, y posteriormente las recombinaron y sometieron a selección experimental, de modo que la capacidad exploratoria del modelo quedara limitada por reglas biológicas.

Entre las 1.980 combinaciones de proteínas y componentes probadas en bacterias, 466 mostraron actividad detectable y aproximadamente el 8% superó a la enzima natural de referencia. En pruebas posteriores con células humanas, dos variantes alcanzaron tasas de edición del 46% y el 50%, respectivamente, en uno de los sitios evaluados, frente al 28% de la versión natural. En algunos objetivos del ADN humano, la eficiencia del diseño más destacado se acercó a cuatro veces la de la enzima natural. Las enzimas candidatas también fueron validadas en células de *Arabidopsis thaliana*.

Estos resultados no solo reflejan una mayor actividad, sino que también muestran que la IA puede ir más allá del estrecho espacio próximo a las secuencias naturales. La SynTnpB más activa compartía únicamente un 77% de identidad de secuencia con el tipo silvestre. Los investigadores también determinaron mediante criomicroscopía electrónica la estructura de una de las proteínas diseñadas. La estructura pública 9YYG muestra que esta nucleasa sintética de 408 aminoácidos forma un complejo con ARN y ADN, con una resolución de 2,80 ángstroms, y además captura una conformación de unión a TAM que hasta entonces solo se había propuesto como hipótesis.

Sin embargo, esto sigue siendo una prueba de concepto centrada en una única familia de nucleasas diminutas y no permite concluir que el mismo método sea aplicable a todos los editores genéticos. Los datos disponibles tampoco responden aún a cuestiones del desarrollo terapéutico como la administración *in vivo*, los cortes fuera del objetivo, la respuesta inmunitaria y la seguridad a largo plazo. Por ahora, el valor más directo de SynTnpB consiste en demostrar que los modelos estructurales, el conocimiento evolutivo y la selección experimental a gran escala pueden combinarse para crear enzimas no naturales funcionales, y no en ofrecer un producto de edición preparado para entrar en la práctica clínica.