La inteligencia artificial sigue demostrando su potencial para revolucionar diversos campos, y la medicina no es una excepción. Investigadores del MIT han dado un paso adelante en el desarrollo de vacunas y terapias de ARN utilizando IA para diseñar nanopartículas de entrega más eficientes. ¿El resultado? Un proceso de desarrollo acelerado y la posibilidad de crear tratamientos más efectivos para enfermedades como la obesidad y la diabetes.
Nanopartículas Inteligentes: El Futuro de la Entrega de ARN
Las vacunas de ARN, como las que nos protegieron del SARS-CoV-2, se entregan al organismo encapsuladas en nanopartículas lipídicas (LNP). Estas partículas protegen el ARNm de la degradación y facilitan su entrada a las células. El desafío reside en optimizar estas partículas para que sean aún más eficientes.
El equipo del MIT, liderado por Giovanni Traverso, abordó este reto entrenando un modelo de aprendizaje automático con miles de formulaciones de LNP existentes. El modelo, denominado COMET, aprendió a predecir nuevas combinaciones de materiales que funcionarían aún mejor, incluso identificando partículas específicas para diferentes tipos de células.
“Lo que hicimos fue aplicar herramientas de aprendizaje automático para ayudar a acelerar la identificación de mezclas óptimas de ingredientes en nanopartículas lipídicas, para ayudar a apuntar a un tipo de célula diferente o ayudar a incorporar diferentes materiales, mucho más rápido de lo que era posible anteriormente”, explica Giovanni Traverso.
COMET: Inspirado en la Arquitectura de ChatGPT
Según Alvin Chan, uno de los autores principales del estudio, COMET se inspira en la arquitectura transformer que impulsa a modelos de lenguaje como ChatGPT. Así como estos modelos entienden cómo las palabras se combinan para formar significado, COMET aprende cómo los diferentes componentes químicos se unen en una nanopartícula para influir en sus propiedades.
Para entrenar a COMET, los investigadores crearon una biblioteca de aproximadamente 3,000 formulaciones de LNP diferentes, probando la eficiencia de cada una en la entrega de su carga útil a las células. Los resultados se utilizaron para alimentar el modelo de aprendizaje automático.
Predicciones Superiores a las Formulaciones Comerciales
Una vez entrenado, el modelo predijo nuevas formulaciones que superaron a las LNP existentes. Las pruebas confirmaron que las LNP predichas por el modelo funcionaban mejor que las partículas del conjunto de datos de entrenamiento, y en algunos casos, incluso mejor que las formulaciones de LNP utilizadas comercialmente.
Adaptabilidad y Nuevas Posibilidades
El equipo demostró que el modelo podía adaptarse para incorporar un quinto componente a las nanopartículas: polímeros conocidos como ésteres beta amino poli ramificados (PBAE). También lograron entrenar al modelo para predecir LNP que funcionarían mejor en diferentes tipos de células y que resistirían la liofilización, un proceso utilizado para extender la vida útil de los medicamentos.
“Esta es una herramienta que nos permite adaptarla a todo un conjunto diferente de preguntas y ayudar a acelerar el desarrollo. Hicimos un gran conjunto de entrenamiento que entró en el modelo, pero luego se pueden hacer experimentos mucho más enfocados y obtener resultados que son útiles en diferentes tipos de preguntas”, afirma Traverso.
Tratamientos para la Obesidad y la Diabetes en el Horizonte
Traverso y su equipo están trabajando para incorporar estas nanopartículas optimizadas en tratamientos potenciales para la diabetes y la obesidad, dos de los objetivos principales del proyecto financiado por ARPA-H. Estos tratamientos podrían incluir miméticos de GLP-1, con efectos similares a los de Ozempic.
Conclusión: Un Futuro Prometedor
Este avance representa un hito en el desarrollo de terapias de ARN. La capacidad de la IA para acelerar el diseño de nanopartículas de entrega abre un abanico de posibilidades para el tratamiento de diversas enfermedades. Estaremos atentos a los próximos desarrollos de este prometedor campo.
Fuente: MIT News – AI
Leave a Comment