En los últimos años, las terapias de ARN mensajero (ARNm) han revolucionado la biomedicina. Desde las vacunas contra el SARS-CoV-2 hasta tratamientos emergentes para enfermedades metabólicas, su potencial es inmenso. Pero hay un obstáculo que limita su impacto: cómo entregar eficazmente estas moléculas al interior de las células.
Un equipo de investigadores del MIT acaba de dar un paso clave para resolver este desafío, utilizando inteligencia artificial para diseñar nanopartículas lipídicas (LNPs) más eficientes. ¿La novedad? No solo aceleran el proceso, sino que lo hacen con un modelo inspirado en los mismos principios que alimentan a los grandes modelos de lenguaje como ChatGPT.
El desafío: diseñar nanopartículas efectivas
Las vacunas de ARNm necesitan un vehículo para llegar a su destino. Ese vehículo son las nanopartículas lipídicas, una especie de cápsula microscópica compuesta por varios lípidos y polímeros que protege el ARN de la degradación y facilita su entrada en las células.
Cada LNP está formada por múltiples componentes: colesterol, lípidos auxiliares, lípidos ionizables y moléculas PEG. Cambiar las variantes de cada uno permite millones de combinaciones posibles. Pero probarlas todas en el laboratorio sería inviable.
¿Y si en lugar de probar combinaciones a ciegas, pudiéramos predecir cuáles funcionarían mejor?
Comet: un modelo inspirado en el lenguaje… pero para química
Para responder esa pregunta, los investigadores del MIT —liderados por Giovanni Traverso, Alvin Chan y Ameya Kirtane— crearon un modelo de aprendizaje automático llamado Comet, basado en arquitecturas tipo transformer. La idea es simple pero poderosa:
Así como los modelos de lenguaje entienden cómo se combinan las palabras para generar significado, Comet aprende cómo se combinan componentes químicos para generar propiedades útiles en una nanopartícula.
El equipo entrenó el modelo usando una base de datos creada por ellos mismos: probaron experimentalmente 3,000 formulaciones distintas de LNPs, midiendo qué tan bien entregaban ARNm en células cultivadas. Esa información alimentó al modelo.
Una vez entrenado, Comet pudo predecir nuevas formulaciones que no solo eran efectivas, sino que superaban a algunas de las LNP comerciales más utilizadas actualmente.
IA para múltiples tipos celulares y nuevos materiales
Lo más interesante es que Comet no solo funciona para un caso puntual. Los investigadores extendieron su utilidad en tres direcciones:
-
Diferentes tipos de células
Entrenaron al modelo para predecir qué formulaciones funcionaban mejor en células como las CaCo-2 (derivadas de cáncer colorrectal). Y lo logró. -
Nuevos componentes químicos
Incorporaron un quinto componente a las nanopartículas: ésteres ramificados de poli-beta-amino (PBAE). Estos polímeros habían mostrado eficacia en la entrega de ARN por sí solos. Al sumarlos, el modelo pudo predecir LNPs aún más potentes. -
Estabilidad frente a liofilización
Comet también predijo qué formulaciones podían resistir procesos de liofilización (secado en frío), lo cual es clave para extender la vida útil de vacunas y facilitar su transporte.
Un nuevo paradigma en desarrollo de terapias
Este enfoque representa una nueva forma de hacer investigación biomédica:
-
Menos ensayo y error.
-
Más predicción, validación y escalado.
En palabras de Traverso:
“Esta es una herramienta que podemos adaptar a diferentes preguntas para acelerar el desarrollo de terapias.”
El equipo ya está utilizando Comet para avanzar en el desarrollo de terapias contra obesidad y diabetes, incluyendo el uso de moléculas similares a GLP-1 (como Ozempic), pero entregadas mediante ARNm encapsulado.
¿Qué significa esto para el futuro?
Este tipo de aplicación de IA en biotecnología señala tres tendencias clave:
-
Modelos fundacionales fuera del texto
Los transformers no solo sirven para lenguaje natural. Pueden aplicarse a dominios tan distintos como la química de materiales, el diseño molecular o la biofísica. -
Automatización inteligente de I+D
La combinación de datos experimentales con aprendizaje automático no reemplaza al laboratorio, pero permite experimentación dirigida y reducción de ciclos de prueba. -
Personalización y agilidad terapéutica
Con modelos como Comet, será posible desarrollar terapias personalizadas o adaptadas a variantes celulares con mucha mayor velocidad.
Conclusión
La inteligencia artificial ya está cambiando la forma en que entendemos el lenguaje, escribimos código o automatizamos procesos. Ahora, empieza a transformar también cómo diseñamos terapias que interactúan con nuestro cuerpo a nivel molecular.
Modelos como Comet abren la puerta a una biotecnología más rápida, precisa y flexible. Una donde los ciclos de descubrimiento se acortan, y donde el diseño de nuevas vacunas o tratamientos puede pasar de años… a semanas.
