Convertir la edición de bases en una reacción computable: OptiPrime impulsa la corrección de mutaciones de KIF1A en el cerebro de ratones

El reto de editar el ADN con precisión a menudo no consiste en si es posible introducir la secuencia deseada, sino en cómo identificar, entre numerosos diseños, uno que sea realmente eficaz. Un equipo de investigación presentó OptiPrime en «Nature Biotechnology»: el sistema descompone el proceso de edición de calidad en una serie de reacciones moleculares cuantificables y emplea después aprendizaje automático para predecir la eficiencia de edición. El método ya ha avanzado desde experimentos celulares hasta un modelo murino de enfermedad, en el que corrigió más del 40% de una mutación patogénica de KIF1A en la corteza cerebral.

La edición de calidad utiliza una proteína Cas modificada, una transcriptasa inversa y un ARN guía de edición de calidad (pegRNA) para copiar directamente una secuencia específica en el genoma, sin necesidad de producir roturas de doble cadena del ADN como hace el CRISPR convencional. Sin embargo, pasos como la unión del editor, la transcripción inversa, la integración de la cadena de ADN y la reparación de apareamientos erróneos se influyen mutuamente, por lo que la eficiencia de una misma estrategia de edición puede cambiar considerablemente al aplicarse a otra secuencia o tipo celular.

La característica distintiva de OptiPrime es que incorpora estos pasos biológicos en la estructura del modelo, en lugar de limitarse a buscar asociaciones estadísticas en grandes conjuntos de datos de secuencias. Según el preprint del estudio y las patentes relacionadas, el modelo estima las velocidades de reacción y simula cómo cambian con el tiempo los resultados de la edición. Abarca la edición de calidad convencional, PE3 —que utiliza un corte adicional para aumentar la eficiencia— y twinPE, que emplea dos sistemas guía para realizar modificaciones de mayor tamaño. El modelo también puede proponer variantes sinónimas que no alteran la secuencia proteica, reduciendo así la probabilidad de que el sistema de reparación de apareamientos erróneos elimine el ADN recién introducido.

Los investigadores realizaron una validación prospectiva en contextos terapéuticos que no se habían incluido en el entrenamiento, como el tratamiento de CFTR p.F508del y COL7A1 p.R185X en células primarias humanas y de ratón, y la modificación del receptor de IL2 en células T primarias. También probaron la inserción, mediante twinPE, de una secuencia de CFTR de un tamaño cercano al de un gen. Estos casos abarcaron mutaciones puntuales, correcciones de secuencias cortas e inserciones de ADN de gran tamaño, lo que indica que el modelo no fue ajustado únicamente para un solo formato experimental.

El paso más cercano a un tratamiento in vivo fue la corrección de una mutación patogénica asociada con una enfermedad neurológica causada por KIF1A. El equipo utilizó dos vectores AAV9 para introducir un editor PE6b dividido, un epegRNA optimizado y un ARN guía de corte en ratones heterocigotos recién nacidos. Las pruebas realizadas cuatro semanas después mostraron que la tasa de corrección de la secuencia objetivo en la corteza cerebral superaba el 40%. Esto demuestra que el diseño seleccionado por el modelo puede salvar la brecha entre una placa de cultivo y el tejido animal, pero la información disponible todavía no basta para determinar si mejoraron los síntomas neurológicos, ni permite inferir que pueda reproducirse la misma eficiencia en animales adultos o en seres humanos.

Lo que OptiPrime acorta principalmente es el proceso de diseño y selección, no el resto del recorrido necesario para desarrollar una terapia génica. La administración mediante dos AAV aumenta la complejidad de la fabricación y del control de la dosis. Aún deben evaluarse sistemáticamente la edición no prevista, las variantes espectadoras, las respuestas inmunitarias, la distribución entre distintas regiones cerebrales y el rendimiento a largo plazo. La capacidad del modelo para generalizar a contextos de secuencia poco frecuentes, otros tejidos y distintas versiones de editores también requiere una validación independiente. Los métodos relacionados con el estudio también forman parte de una estrategia de patentes cedidas al Broad Institute y a la Universidad de Harvard. La posibilidad de que en el futuro se convierta en una herramienta de diseño ampliamente adoptada dependerá no solo de la precisión de sus predicciones, sino también de la reproducibilidad, las condiciones de acceso y el grado de aceptación por parte de los organismos reguladores de las pruebas basadas en diseños asistidos por modelos.