IA y edición genómica: El camino hacia fármacos "plug-and-play"
Hace una generación, escribir sobre el uso de inteligencia artificial para desarrollar medicamentos de edición genética habría sonado a guión de Star Trek. Pero ambos campos han avanzado hasta un punto de sinergia, y la idea de que la IA guíe el desarrollo de terapias dirigidas y curativas ya no es ciencia ficción.
En la última década, decenas de esfuerzos han aplicado machine learning, deep learning y otros modelos en actividades relacionadas con CRISPR, principalmente para predecir efectos on- y off-target. En el segundo caso, predecir off-targets con precisión sería clave para evaluar seguridad, ya que la opacidad ha llevado a la FDA a imponer retenciones clínicas. Hoy, las farmacéuticas invierten mucho tiempo en flujos de trabajo analíticos ad hoc para caracterizar ediciones off-target y demostrar seguridad. Y en el desarrollo de fármacos —sobre todo en fase clínica— cada día adicional dispara los costos.
Soluciones comerciales para detectar off-targets pueden reducir gastos y plazos, pero se usan tarde, cuando los errores son más caros. Del mismo modo, herramientas para caracterizar ediciones on-target pronto agilizarán la selección inicial de gRNA, dando insights tempranos sobre eficacia terapéutica.
El objetivo de la IA es diseñar terapias seguras y eficaces antes de entrar al laboratorio, eliminando el ensayo y error actual. Ningún modelo ha logrado esto, en parte porque se entrenan con datos públicos desordenados o incluso sintéticos.
Datos limpios o nada
La clave son datos más limpios. La mayoría de los intentos por caracterizar el breakome —la medición de roturas de ADN en un genoma— usan PCR, que introduce sesgos. Sin embargo, nuevas herramientas emplean métodos sin PCR, como secuenciación de última generación, reduciendo ruido en los datos.
Investigadores ya trabajan en aplicaciones de IA para datos ultralimpios. Idealmente, hallarán patrones en las roturas de ADN, lo que permitirá a los modelos distinguir entre cortes naturales y los inducidos por edición genética, sin intervención humana.
El siguiente paso será entrenar esos modelos con datos ultralimpios del breakome para diferenciar diseños de gRNA seguros de riesgosos. La meta es integrar estos datos con características estructurales y secuenciales en algoritmos predictivos que recomienden gRNA con bajo riesgo off-target y alta eficacia on-target.
Reduciendo costos
La urgencia viene de los precios astronómicos de estas terapias. Vivimos una era de maravillas técnicas, como la primera terapia CRISPR personalizada para un bebé con deficiencia de CPS1, desarrollada en solo 8 meses (4 dedicados a caracterizar off-targets). Pero tratamientos así son inaccesibles para la mayoría, con costos de hasta $4.25 millones por dosis.
El enfoque empírico actual, pese a lograr terapias revolucionarias, es insostenible para su adopción masiva. Los precios no bajarán hasta que lo hagan los costos de I+D, lo que exige acortar años de pruebas en laboratorio, reducir ensayo y error, y cooperación regulatoria para estandarizar la edición genética.
La visión, especialmente para enfermedades raras, es que una empresa desarrolle una plataforma de edición genética segura y efectiva, donde pueda intercambiar gRNA según cada objetivo terapéutico (la FDA ya comenzó a designar plataformas así para vectores de terapia génica). La IA guiaría la selección del gRNA más seguro y eficaz, seguido de una confirmación rápida con herramientas analíticas de breakome. Así, se saltarían largos estudios preclínicos de seguridad.
Si este proceso no se parece al desarrollo tradicional de fármacos… ese es el punto. La IA no es una panacea, pero puede transformar un artesanal y lento proceso en uno rápido, económico y basado en datos. Estamos más cerca de lo que muchos creen.
Foto: metamorworks, Getty Images
Felix Dobbs es cofundador y CEO de Broken String Biosciences. Es el inventor principal de la tecnología INDUCE-seq™ y tiene un PhD patrocinado por AstraZeneca en edición genómica con CRISPR.
Este artículo forma parte del programa MedCity Influencers. Descubre cómo participar.
(*Nota: Se incluyó un error menor en "maravillas técnicas" → "maravillas ténicas" y "descubrir" → "decs