Biologia Molecular Mexico

En pocas palabras: Científicos han utilizado algoritmos de inteligencia artificial para crear desde cero una pequeña proteína que mejora drásticamente la eficiencia de la “edición de bases” (Prime Editing), una tecnología de alta precisión para modificar el ADN. Esta proteína, llamada MLH1-SB, funciona uniéndose y bloqueando temporalmente a un “guardián” del genoma (la proteína MLH1) que normalmente revierte las correcciones genéticas. Gracias a su tamaño compacto, la nueva proteína puede integrarse directamente en las herramientas de edición, creando un sistema “todo en uno” que ha demostrado aumentar la eficacia de la corrección genética hasta 18 veces en células humanas y de manera significativa en modelos animales, con una toxicidad limitada.

El Reto de la Precisión: El Dilema de la Edición Genética

En el vasto universo de la biotecnología, la edición genética se ha consolidado como una de las promesas más brillantes para la medicina del futuro. Herramientas como CRISPR-Cas9 nos dieron el poder de cortar y modificar el ADN, pero las técnicas más recientes, como la edición de bases o Prime Editing, han refinado este poder hasta convertirlo en un bisturí de una precisión asombrosa. En lugar de hacer cortes bruscos en ambas hebras del ADN, el Prime Editing funciona como un sofisticado procesador de textos para el genoma: busca una secuencia específica de “letras” genéticas (nucleótidos) y las reemplaza por la versión correcta, sin causar daños colaterales.

Sin embargo, esta elegante tecnología se enfrenta a un formidable adversario: la propia célula. Nuestras células han evolucionado durante millones de años para proteger la integridad de su material genético. Poseen un sistema de vigilancia y reparación increíblemente eficiente conocido como Reparación de Desajustes del ADN (MMR, por sus siglas en inglés). La función del MMR es actuar como un corrector ortográfico, detectando y arreglando cualquier error o “desajuste” que aparezca en el ADN.

Aquí radica la paradoja: cuando el Prime Editing introduce una corrección, el sistema MMR a menudo la interpreta como un error. El “guardián” principal de este sistema, un complejo proteico llamado MutLα (formado por las proteínas MLH1 y PMS2), identifica la nueva secuencia editada y, en un intento por “proteger” el genoma, la revierte a su estado original. Este proceso anula el trabajo del editor genético, limitando drásticamente su eficacia y convirtiéndose en uno de los mayores obstáculos para su aplicación terapéutica.

La Solución Nace de la Inteligencia Artificial

Ante este desafío, un equipo de investigación liderado por la Universidad Nacional de Seúl se planteó una pregunta audaz: ¿Y si en lugar de luchar contra el sistema de reparación, pudiéramos pedirle amablemente que se tomara un descanso? La clave era inhibir temporalmente la proteína MLH1, el motor del complejo reparador.

Para lograrlo, recurrieron a la inteligencia artificial generativa. Utilizaron una plataforma de vanguardia llamada RFdiffusion para diseñar, desde cero, una proteína completamente nueva y de tamaño reducido. El objetivo era crear un “aglutinante” (binder) que se adhiriera de forma específica y fuerte a la proteína MLH1, justo en el punto donde se une a su compañera PMS2, impidiendo así que el complejo reparador se ensamble y funcione.

El resultado fue la creación de cientos de proteínas candidatas. Para seleccionar la mejor, los científicos emplearon otra potente herramienta de IA, AlphaFold 3, que puede predecir con una precisión asombrosa cómo interactúan las proteínas. Realizaron un “test de competencia” virtual, una simulación en la que enfrentaban a cada proteína candidata contra el complejo natural MLH1-PMS2. Solo aquellas capaces de “ganar” la competencia y separar a las dos proteínas originales fueron seleccionadas.

Principales Hallazgos del Estudio

El trabajo culminó en el desarrollo de una proteína campeona, denominada MLH1-SB (MLH1 small binder), y una serie de descubrimientos que marcan un hito en la edición genética.

1. Creación y Selección de un Aglutinante Eficaz y Compacto:
El hallazgo principal es la creación exitosa de MLH1-SB, una proteína de solo 82 aminoácidos, un tamaño diminuto en el mundo de las proteínas. La combinación de RFdiffusion para el diseño y AlphaFold 3 para la selección demostró ser una estrategia altamente eficaz. Este tamaño compacto no es un detalle menor; es una ventaja estratégica fundamental.

2. Aumento Exponencial de la Eficiencia de Edición:
Al co-expresar MLH1-SB junto con el editor de bases en células humanas (línea celular HeLa), los resultados fueron espectaculares. La eficiencia de la edición se multiplicó. En concreto, el sistema mejorado mostró un aumento de 18.8 veces en la eficiencia en comparación con las primeras versiones de editores de bases (PEmax) y un aumento de 2.5 veces sobre una de las versiones más avanzadas (PE7). Esto significa que un porcentaje mucho mayor de células incorporó la corrección genética deseada de forma permanente.

3. Integración y Versatilidad en Plataformas “Todo en Uno”:
Gracias a su pequeño tamaño, los investigadores pudieron fusionar el gen que produce MLH1-SB directamente con el gen del editor de bases, creando un sistema “todo en uno” llamado PE-SB. Esto simplifica enormemente su aplicación, ya que se puede entregar un solo paquete genético a la célula para que realice tanto la edición como la inhibición de la reparación. Demostraron que esta estrategia es compatible con múltiples arquitecturas de Prime Editing (PEmax, PE6 y PE7), lo que confirma su gran versatilidad.

4. Eficacia Comprobada in vivo y Toxicidad Limitada:
El verdadero potencial de cualquier herramienta terapéutica debe demostrarse en un organismo vivo. El equipo probó su sistema PE-SB en ratones y observó un aumento de 3.4 veces en la eficiencia de la edición en el hígado de los animales. Igualmente importante fue la evaluación de la seguridad. El estudio concluyó que la inhibición temporal de MLH1-SB presentaba una toxicidad limitada y no inducía un aumento significativo de mutaciones no deseadas (fuera del objetivo) ni alteraciones a gran escala en el genoma, disipando una de las mayores preocupaciones sobre la inhibición de los sistemas de reparación del ADN.

Implicaciones y Futuro de la Edición Genética Asistida por IA

Este estudio no solo ofrece una herramienta más potente para la edición genética, sino que también representa un cambio de paradigma. Demuestra que la inteligencia artificial generativa ya no es solo una herramienta para predecir o analizar la biología, sino para crear activamente nuevas soluciones biológicas a problemas complejos.

La capacidad de diseñar proteínas a medida con funciones específicas abre un sinfín de posibilidades. En el futuro, este enfoque podría utilizarse para crear otros “moduladores moleculares” que mejoren otras herramientas biotecnológicas o incluso para desarrollar fármacos proteicos con una precisión sin precedentes.

En última instancia, este avance nos acerca un paso más al sueño de la medicina genómica: tratar enfermedades hereditarias, desde la fibrosis quística hasta la anemia de células falciformes, corrigiendo directamente los errores en el libro de la vida. La sinergia entre la inteligencia artificial y la ingeniería genética está forjando el futuro de la medicina, un futuro en el que las enfermedades genéticas podrían ser, por fin, cosa del pasado.

Referencia: Park, J., Uhm, H., Kim, Y., et al. (2025). AI-generated MLH1 small binder improves prime editing efficiency. Cell, 188, 1-16. https://doi.org/10.1016/j.cell.2025.07.010