← Volver al inicio

Reescribir unas tijeras genéticas a partir de un armazón natural: la TnpB diseñada por IA conserva la actividad de edición entre especies

El equipo de investigación utilizó a la inversa la predicción de estructuras proteicas y recurrió después a información evolutiva para preservar las superficies de contacto clave, creando cientos de nucleasas sintéticas que seguían funcionando; los resultados en bacterias, plantas y células humanas muestran que una reescritura extensa de la secuencia no tiene por qué sacrificar la eficacia, aunque aún deben verificarse su seguridad y aplicabilidad general.

By SURL BioNews

Las herramientas de edición genética han dependido durante mucho tiempo de prototipos proporcionados por la naturaleza, que después los investigadores modifican gradualmente. Ahora, los científicos intentan cruzar ese límite: en lugar de limitarse a retocar unos pocos aminoácidos de una enzima natural, recurren a la inteligencia artificial para reescribir la secuencia de la proteína, conservando al mismo tiempo su capacidad de reconocer el ARN guía, dirigirse al ADN y efectuar el corte. Este estudio, publicado en «Science», muestra que nucleasas sintéticas con diferencias estructurales considerables también pueden funcionar en diversos tipos de células.

El equipo eligió TnpB, una nucleasa compacta guiada por ARN y pariente evolutiva cercana de las enzimas CRISPR de tipo Cas12. Las herramientas pequeñas son más fáciles de introducir en vehículos de administración con capacidad limitada, lo que las hace especialmente atractivas para la modificación de plantas y algunas estrategias de terapia génica. Sin embargo, TnpB debe alternar entre distintas conformaciones, y los contactos entre la proteína, el ARN y el ADN se influyen mutuamente, por lo que sustituir la secuencia arbitrariamente puede inutilizar fácilmente todo el mecanismo.

Los investigadores utilizaron el modelo de plegamiento inverso ESM para inferir, a partir de un armazón tridimensional existente, nuevas secuencias capaces de formar la misma estructura, e incorporaron información sobre la conservación evolutiva de la familia natural de TnpB para fijar los aminoácidos esenciales para el reconocimiento del ARN o del ADN. Las superficies de unión al ADN y al ARN guía se diseñaron primero por separado; después se combinaron alrededor de 50 candidatos destacados de cada grupo y se sometieron a un cribado a gran escala en Escherichia coli. Este método permitió al modelo reescribir ampliamente las regiones no esenciales sin interrumpir por completo los puntos de contacto moleculares de los que depende el funcionamiento de la enzima.

De las 1.980 combinaciones diseñadas, 466 mostraron actividad mensurable y alrededor del 8% superó a la enzima natural de referencia. Los candidatos seleccionados se probaron después en células humanas y protoplastos de Arabidopsis thaliana. En un gen de prueba de células humanas, dos SynTnpB alcanzaron tasas de edición del 46% y el 50%, respectivamente, frente al 28% de la versión natural; en algunas dianas de ADN, la mejora se acercó a cuatro veces. La versión de mayor actividad compartía solo un 77% de identidad de secuencia con la TnpB natural, lo que indica que la función no está necesariamente ligada a una secuencia natural muy similar.

El análisis estructural también aportó una explicación del mecanismo. Un registro público de una base de datos de proteínas mostró que una de las nucleasas sintéticas, de 408 aminoácidos, formaba con el ARN y el ADN un complejo R-loop, resuelto mediante microscopía crioelectrónica de partícula única con una resolución de 2,80 Å. A partir de ello, el equipo observó un estado conformacional de TnpB que se había propuesto anteriormente, pero que no se había captado directamente, y descubrió que una nueva red de contactos introducida por la IA podía estabilizar la interfaz entre el ARN y el ADN. Así, el resultado no se limita a un cribado de actividad, sino que también revela por qué el diseño del modelo podría funcionar.

Aún quedan varios obstáculos antes de que se convierta en una herramienta práctica. El estudio solo examinó una familia de nucleasas pequeñas, por lo que no puede asumirse que la misma estrategia sea aplicable a todos los editores CRISPR. Los ensayos celulares tampoco han respondido todavía a cuestiones como los efectos fuera de objetivo en todo el genoma, las respuestas inmunitarias, la toxicidad a largo plazo y la administración in vivo. Por ahora, la conclusión más prudente es que la combinación de modelos estructurales y restricciones evolutivas ya permite ampliar el espacio explorable de las tijeras genéticas, pero cualquier uso médico seguirá requiriendo una validación completa de seguridad, fabricación y regulación.

References

  1. CRISPR Medicine News
  2. Chemical & Engineering News
  3. Phys.org
  4. RCSB Protein Data Bank