Investigación y desarrollo biotecnológico · us
Los anticuerpos diseñados por IA llegan al laboratorio: Xaira presenta un caso de obtención de una molécula líder preclínica en siete semanas
Para pasar de «unirse a la diana» a «ser apto para seguir desarrollándose», un anticuerpo debe superar varios requisitos. Xaira presenta los resultados experimentales de dos programas, que muestran la viabilidad del diseño mediante IA y revelan las condiciones previas y los límites de la evidencia detrás de esa rapidez.
Diseñar un anticuerpo capaz de reconocer una diana de una enfermedad es solo el punto de partida del desarrollo de un nuevo fármaco; la estabilidad de la molécula, la precisión de su unión y la posibilidad de continuar su desarrollo también determinan el éxito o el fracaso. Xaira Therapeutics presentó el 2 de octubre los resultados experimentales de su modelo de IA generativa X-Design. Uno de sus programas de oncología obtuvo una molécula líder preclínica en siete semanas, aportando un nuevo caso al recorrido del diseño computacional hacia el desarrollo real de fármacos.
La versión del modelo presentada se llama Vega y se creó con datos públicos y propios de la empresa. Sus objetivos de diseño incluyen, además de la capacidad de unión, el grado de semejanza con las secuencias de anticuerpos humanos y la aptitud para el desarrollo. La página de la plataforma de Xaira describe X-Design como una herramienta generativa de moléculas terapéuticas, actualmente centrada en anticuerpos y terapias con proteínas; en su cartera de desarrollo, XA-1 pertenece al área de oncología y XA-4 figura en el área de inmunología e inflamación.
En el programa XA-1, el equipo diseñó 182 secuencias de anticuerpos de dominio único dirigidas a un epítopo antigénico seleccionado de antemano —la región específica que reconoce un anticuerpo— y, tras un filtrado de calidad, confirmó 18 moléculas capaces de unirse. La empresa informó de que una de ellas tenía una constante de disociación de 17 nanomolar para la diana humana y superó las pruebas de aptitud para el desarrollo utilizadas; la constante de disociación es un indicador de la fuerza de unión, y un valor más bajo suele representar una unión más fuerte.
El plazo de siete semanas también tiene un punto de partida definido. Según la empresa, el antígeno, los reactivos pertinentes y el epítopo objetivo ya estaban preparados antes de comenzar. A partir de ahí, transcurrieron siete semanas desde la síntesis de ADN hasta la obtención de la molécula líder, incluido un ciclo de optimización para mejorar la reactividad cruzada con una especie experimental alternativa. Por tanto, esta cifra refleja un proceso experimental bajo condiciones específicas y no puede tomarse directamente como el plazo total desde la búsqueda de una diana de enfermedad hasta la finalización del descubrimiento de un nuevo fármaco.
El otro programa, XA-4, aborda un receptor acoplado a proteína G (GPCR), más difícil de tratar, cuya relación entre las regiones reconocidas por los anticuerpos y su función aún no está clara. Según el anuncio de la empresa, los cribados previos de bibliotecas de anticuerpos y los métodos de inmunización no habían obtenido moléculas de unión funcionales. En esta ocasión, el equipo diseñó sesenta mil secuencias y, tras el cribado y las pruebas celulares, identificó anticuerpos candidatos con actividad antagonista que podían seguir optimizándose, en un intento de superar los obstáculos encontrados por los métodos tradicionales.
Los dos casos aportan distintos niveles de evidencia: XA-1 se centra en la unión y la aptitud para el desarrollo, mientras que XA-4 cuenta además con el respaldo de pruebas de función celular. Todos estos resultados fueron divulgados por la propia empresa, y la página de la plataforma sitúa los programas correspondientes entre las fases de exploración temprana y optimización de moléculas líderes. El anuncio no aporta evidencia de eficacia en humanos, ni permite inferir la seguridad clínica.
La relevancia de este avance reside en que las secuencias generadas por IA empiezan a someterse a las múltiples comprobaciones experimentales necesarias para desarrollar fármacos. Sin embargo, aún falta una evaluación sistemática que permita determinar si estos dos casos representan el rendimiento del modelo en un conjunto más amplio de dianas; Xaira afirma que publicará los análisis correspondientes por separado. Que los anticuerpos candidatos lleguen finalmente a convertirse en terapias dependerá de las validaciones posteriores y de los ensayos clínicos.