EDEN: el sistema de IA que aprende de un millón de especies para diseñar nuevos tratamientos
El modelo permite la modificación precisa y compleja de células y moléculas para curar enfermedades
No es lo mismo recibir una carta que una tarta o hundirse en vez de fundirse; una sola alteración cambia el significado de una palabra y del posterior relato. En el ámbito biológico, si se consideran los genes como letras, la consecuencia de un error en el código genómico puede derivar en anemia falciforme (deformación de los glóbulos rojos), una ...
No es lo mismo recibir una carta que una tarta o hundirse en vez de fundirse; una sola alteración cambia el significado de una palabra y del posterior relato. En el ámbito biológico, si se consideran los genes como letras, la consecuencia de un error en el código genómico puede derivar en anemia falciforme (deformación de los glóbulos rojos), una predisposición al colesterol alto o en un cáncer, entre otras miles de consecuencias. Entender las repercusiones de una alteración genética y su evolución es clave para el desarrollo de tratamientos y es el paso que ha dado una alianza de los gigantes informáticos Nvidia y Microsoft, la compañía de inteligencia artificial (IA) Basecamp Research e investigadores del laboratorio del español César de la Fuente en la Universidad de Pensilvania: utilizar la IA para aprovechar y aprender de modelos evolutivos genéticos a gran escala con el fin de desarrollar terapias programables. Es decir, modificar células y moléculas a partir de una gigantesca biblioteca genética de la vida para curar o prevenir una enfermedad.
La herramienta fundamental de la edición genética es la tijera molecular de cortar y pegar secuencias del código genómico (CRISPR/Cas), reconocida con el Nobel en 2020. Esta técnica se ha desarrollado desde entonces hasta aspirar a ser uno de los 10 avances más disruptivos del año, según propone el Instituto de Tecnología de Massachusetts (MIT, por sus siglas en Inglés).
La nueva investigación lo demuestra con la primera generación de modelos de IA capaces de modificar e insertar genes de forma programable: reemplazar códigos génicos defectuosos y reprogramar células con fines terapéuticos, para desarrollar una nueva generación de tratamientos contra el cáncer y enfermedades hereditarias.
La fuente del nuevo sistema es la vida en todos los ámbitos. “Los modelos evolutivos genéticos a gran escala de IA”, según explica el biotecnólogo español, “intentan capturar la lógica profunda de la vida aprendiendo directamente de la evolución, que es, en esencia, un proceso de optimización a escala planetaria porque ha explorado un espacio inmenso de secuencias y ha retenido configuraciones que funcionan en el mundo real”.
“De esta forma, a partir de la base de datos natural de ADN y proteínas de muchísimas especies y ecosistemas, se conocen qué patrones son estables, qué combinaciones son viables y qué estructuras tienden a producir ciertas funciones”, relata De La Fuente.
La inteligencia artificial es la clave para desentrañar esta nueva estrategia. “Durante décadas”, añade en este sentido el investigador de la Universidad de Pensilvania, “hemos estado descifrando las reglas de la biología a base de experimentos. Estos modelos [evolutivos de IA] permiten acelerar ese proceso: no usamos la IA para clasificar o predecir, sino como un sistema generativo capaz de proponer nuevas soluciones, como moléculas, enzimas o constructos [teorías], con un objetivo terapéutico y compatibles con las restricciones biológicas”.
Antibióticos y anticancerígenos
El laboratorio de De la Fuente ha llevado a la práctica este nuevo modelo con el diseño de nuevas moléculas contra infecciones resistentes a los antibióticos existentes. Las cadenas cortas de aminoácidos (péptidos) desarrolladas mostraron una eficacia del 97% en pruebas de laboratorio. “Esto abre un nuevo camino para encontrar rápidamente candidatos contra los patógenos más temidos”, resalta el investigador.
Pero los resultados van más allá. “Creemos que estamos al inicio de una expansión importante de lo que es posible para los pacientes con cáncer y enfermedades genéticas. Al usar IA para diseñar terapias, esperamos desarrollar soluciones para miles de enfermedades incurables y transformar millones de vidas,” afirma John Finn, director científico de Basecamp Research. La tecnológica ha empleado el modelo para generar linfocitos CAR-T (células inmunitarias) con una eficacia del 90% contra células tumorales en ensayos in vitro.
El trabajo mejora los enfoques basados en la galardonada técnica de edición genómica, que permite alteraciones limitadas y requiere dañar el ADN. “CRISPR es muy potente para ediciones pequeñas y precisas, pero la biología clínica, a menudo, necesita algo distinto, como añadir funciones completas, es decir, insertar genes o grupos de tamaño significativo y hacerlo en lugares definidos del genoma con alta fiabilidad”, explica De la Fuente.
“La inserción programable [del nuevo modelo] apunta a ese objetivo: tratar el genoma como un sistema donde no solo editas caracteres, sino donde puedes instalar módulos de manera más dirigida. En términos conceptuales, es un paso desde la edición puntual hacia la integración controlada, siempre con el requisito de evaluar con rigor seguridad, especificidad y entrega”, precisa.
El nuevo sistema de IA para el gigantesco conjunto de datos genómicos del mundo, denominado EDEN, ha conseguido la inserción correcta de ADN en el lugar preciso del genoma humano con el 73% de las enzimas probadas.
EDEN (siglas de Environmentally-derived evolutionary network) procesa ADN evolutivo de más de un millón de especies recién descubiertas, recolectadas durante cinco años en 150 ubicaciones de 28 países. El modelo ha sido entrenado y acelerado por Nvidia para alcanzar una escala que la compañía compara con GPT-4, de OpenAI.
“La edición genómica tiene un potencial único para corregir las anomalías genéticas hereditarias asociadas a enfermedades“, afirma Tomoji Mashimo, ajeno al trabajo y autor principal de una investigación publicada en Nature Biotechnology en la que aplica una variante de CRISPR (Cas3) para evitar los depósitos amiloides de proteínas causantes de amiloidosis por transtiretina (ATTR). “En los próximos años, esta tecnología puede conducir a aplicaciones clínicas no solo para ATTR, sino también para otras enfermedades hereditarias actualmente incurables“, señala.
También puede ser usada la tecnología genómica para diagnósticos y tratamientos precisos. Es el caso del sistema Sherlock, un método diagnóstico basado también en CRISPR que permite la detección de secuencias de ácidos nucleicos derivadas de patógenos. La investigación, publicada en Nature Biomedical Engineering, facilita la cuantificación rápida y precisa de cepas y mutaciones del hongo Candida auris. “Los métodos diagnósticos actuales para detectar C. auris son demasiado costosos, lentos y dependen de equipos complejos y personal entrenado para provocar un cambio real", explica Justin Rolando, autor principal del trabajo.
Las infecciones por C. auris, muy problemáticas para pacientes con el sistema inmunológico debilitado, se tratan con medicamentos antifúngicos, pero algunas de las cepas del patógeno han desarrollado resistencia a los antimicrobianos, lo que obliga a tratarlas con otros fármacos o son intratables.