Investigadores usaron AlphaFold para hacer más seguro al CRISPR

Veintiocho por ciento de las veces, el bisturí molecular del CRISPR corta donde no debía. Cinco por ciento, después de que un equipo de investigadores le pidiera ayuda a AlphaFold para rediseñar la proteína. La diferencia entre esos dos números es, en criollo, la diferencia entre un tratamiento génico seguro y uno que puede salir mal en miles de células a la vez.

El problema que nadie terminaba de resolver

El sistema CRISPR/Cas9 edita genes guiado por un ARN que le indica dónde cortar el ADN. El problema histórico es que la proteína Cas9 tolera algunos errores de emparejamiento sin perder la capacidad de pegarse al ADN equivocado, lo que genera ediciones fuera de blanco. "Cas9 puede tolerar una pequeña cantidad de bases mal emparejadas sin perder su capacidad de pegarse al ADN", explica el paper. En un organismo con miles de millones de células, ese margen de error tolerable se convierte en un problema real a la hora de pensar en terapias génicas.

ContactSeek: mirar la proteína desde adentro

El equipo, radicado en instituciones de investigación de China, desarrolló un método llamado ContactSeek que usa una versión modificada de AlphaFold —el modelo de IA de Google DeepMind que predice estructuras de proteínas— para identificar qué aminoácidos cambian su forma de contacto con el ADN cuando la edición se va de blanco. En vez de tantear a ciegas qué mutación podía mejorar la precisión, el modelo señaló diez posiciones clave dentro de la proteína.

Los investigadores probaron 23 combinaciones distintas de aminoácidos en esos puntos y encontraron variantes que redujeron la actividad fuera de blanco del 28% al 5%, sin perder eficacia de corte. El método funcionó también sobre Cas12, otra proteína de la familia CRISPR, y se sostuvo con distintos ARN guía, lo que sugiere que no fue un golpe de suerte con un caso puntual sino un patrón replicable.

Diseño de proteínas asistido, un patrón que se repite

Lo interesante del paper, publicado en Nature, no es solo el resultado biológico sino el método: usar un modelo entrenado para predecir estructura como herramienta de diseño, y no únicamente de diagnóstico. Es la misma lógica que ya se viene aplicando en el diseño de enzimas industriales o anticuerpos, y que ahora llega a uno de los sistemas de edición genética más usados en investigación y, cada vez más, en tratamientos clínicos en fase experimental.

La costura con el mundo pyme

Ninguna pyme argentina va a redimensionar una proteína de CRISPR el lunes que viene. Pero el patrón de fondo —usar un modelo de IA entrenado en un problema para acelerar el diseño de una solución en otro dominio completamente distinto— es exactamente el tipo de apalancamiento que también le sirve a una industria más chica: una fábrica de alimentos que usa IA para optimizar una fórmula, un laboratorio que la usa para probar variantes de un proceso antes de invertir en planta. La lección no es la biotecnología en sí, es la lógica de fondo: simular miles de variantes con un modelo antes de gastar tiempo y plata probándolas en la vida real.