Esta es la nueva inteligencia artificial que podría acelerar la cura de enfermedades como el cáncer

Una alianza entre la Universidad de Texas, en Austin, y la farmacéutica Sanofi impulsó el desarrollo de un innovador modelo de inteligencia artificial destinado a revolucionar la creación de vacunas y medicamentos basados en ARN mensajero (mRNA).

Este proyecto, liderado por el profesor asociado de biociencias moleculares, Can Cenik, y por Vikram Agarwal, jefe de diseño de plataformas de mRNA en Sanofi, busca optimizar los procesos científicos mediante el uso de algoritmos predictivos.

La herramienta creada puede anticipar cuánta proteína producirá una célula a partir de una secuencia específica de mRNA, lo que permite reducir la necesidad de extensos experimentos de prueba y error en los laboratorios. Esta capacidad acelera significativamente el diseño de tratamientos más eficaces y personalizados.

Adicionalmente, el avance fue posible por medio del respaldo financiero de los Institutos Nacionales de Salud, la Fundación Welch y el supercomputador ‘Lonestar6’ del Centro de Computación Avanzada de Texas, pieza determinante para procesar los complejos cálculos requeridos por el modelo.

¿Por qué es importante el modelo ‘RiboNN’ en la investigación biomédica?

El modelo, denominado como ‘RiboNN’, fue publicado en la revista ‘Nature Biotechnology’ como un acontecimiento en el diseño de terapias basadas en mRNA más precisas y eficientes.

Su creación se fundamentó en el análisis masivo de datos obtenidos en más de 10.000 experimentos realizados con diferentes tipos de células humanas y de ratón, lo que permitió entrenar un sistema de aprendizaje profundo altamente especializado.

En las pruebas comparativas, ‘RiboNN’ logró duplicar la precisión de los métodos existentes al predecir la eficiencia con que una molécula de mRNA se traduce en proteínas dentro de las células.

Este avance denota un paso decisivo hacia el desarrollo de tratamientos personalizados, capaces de adaptarse a las necesidades biológicas de cada paciente.

Asimismo, ofrece la posibilidad de optimizar la producción de proteínas terapéuticas en tejidos específicos, como el corazón, el hígado o los pulmones, lo que podría acelerar la creación de vacunas y terapias innovadoras contra el cáncer, enfermedades genéticas y diversas infecciones virales.

¿Qué nuevos descubrimientos acompañan este avance científico?

En un estudio complementario, también publicado en ‘Nature Biotechnology’, los investigadores revelaron que los ARN mensajeros con funciones biológicas similares tienden a producir niveles comparables de proteínas en distintos tipos de células.

Este descubrimiento apunta a una coordinación profunda entre los procesos de transcripción genética y traducción proteica, un vínculo que hasta ahora no había sido documentado con claridad.

Del mismo modo, para entrenar el modelo de inteligencia artificial, un grupo de estudiantes de la Universidad de Texas en Austin desarrolló ‘RiboBase’, una base de datos cuidadosamente curada que resultó esencial para el éxito del proyecto.

Entre los colaboradores destacados se encuentran Logan Persyn, de UT Austin, y los científicos Dinghai Zheng y Jun Wang, de Sanofi.

Por último, cabe acotar que la oficina ‘Discovery to Impact’ de UT Austin jugó un rol determinante al facilitar el acuerdo de investigación que consolidó la colaboración entre la academia y la industria. Esto marcó un precedente en la convergencia de la ciencia de datos, la biología molecular y la medicina de precisión.