Modelos computacionales abren nuevas posibilidades para desarrollar terapias basadas en ARN

Anticipar cómo se pliega esta molécula permitiría diseñar compuestos capaces de reconocer células cancerígenas, neutralizar sustancias o intervenir en distintas enfermedades. El desafío es reducir una brecha tecnológica estimada en 20 años respecto de las proteínas.

Conocer la secuencia de una proteína no basta para saber cómo funciona. Estas moléculas están formadas por cadenas de aminoácidos que, al interactuar entre sí y con el agua, se pliegan hasta adoptar una estructura tridimensional. Esa forma determina sus propiedades y les permite actuar como enzimas, transportar sustancias y cumplir numerosas funciones vitales. También permite estudiar el efecto de una mutación o identificar el punto donde podría actuar un medicamento.

“Si uno quiere saber qué hace una proteína, tiene que ver cuál es su forma. A veces tienen dos secciones y una bisagra; otras parecen una especie de almeja o presentan hélices. Esa estructura es fundamental, por ejemplo, si se quiere diseñar un fármaco que actúe sobre ella”, explica Simón Poblete, investigador del Centro Ciencia & Vida (FCV-USS) y académico de la Facultad de Ingeniería de la Universidad San Sebastián.

Obtener esas estructuras mediante cristalización y difracción de rayos X, resonancia magnética nuclear o criomicroscopía electrónica exige equipamiento especializado y puede requerir años de trabajo. Desde hace décadas, distintos grupos buscan una vía más rápida a través de modelos computacionales.

La meta es ingresar la secuencia de una molécula en un programa y obtener la estructura que probablemente adoptará. Para llegar a ese resultado hay que representar numerosas interacciones físicas y químicas y comprobar después la predicción frente a una estructura determinada en el laboratorio.

Desde 1994, los avances en esta área se ponen a prueba cada dos años en CASP, sigla en inglés de Evaluación Crítica de Técnicas para la Predicción de Estructuras. Equipos de todo el mundo reciben secuencias correspondientes a estructuras que todavía no se han divulgado y cuentan con un plazo limitado para enviar sus modelos. Evaluadores independientes comparan luego las predicciones con los resultados experimentales.

“Los grupos reciben la secuencia y tienen unas pocas semanas para subir la estructura que predicen. Después se conoce la estructura experimental y se ve qué método se aproximó más. Es una evaluación a ciegas y por eso CASP ha sido un espacio crítico para medir cuánto avanzan realmente estas herramientas”, detalla Poblete.

En esta competencia, AlphaFold, el sistema desarrollado por Google DeepMind, demostró el salto que podían dar los métodos de inteligencia artificial.

En CASP14, realizado en 2020, logró para numerosas proteínas individuales una precisión comparable con la experimental. Quedaban, de todas formas, varios problemas pendientes. Los modelos todavía encuentran dificultades con los complejos formados por varias proteínas, las proteínas de membrana y aquellas sobre las que existe poca información evolutiva. Con el ARN la distancia es mayor.

Durante mucho tiempo, se creyó que el ARN cumplía sobre todo el papel de intermediario: copiaba la información almacenada en el ADN y la llevaba hasta los ribosomas, donde se producen las proteínas. Hoy se sabe que muchos ARN no siguen ese camino. También se pliegan, adoptan estructuras propias y participan directamente en distintos procesos celulares.

Las proteínas se construyen a partir de 20 tipos de aminoácidos, mientras el ARN combina cuatro unidades básicas. Pero esa aparente simplicidad no facilita su estudio. Es una molécula más flexible, resulta difícil de observar experimentalmente y existen muchas menos estructuras conocidas para entrenar los modelos.

“El ARN está unos 20 años detrás de las proteínas en términos de tecnología y conocimiento estructural. Es como si estuviéramos en 2006. Hay muchas cosas que todavía no entendemos y, como existen pocas estructuras determinadas experimentalmente, los modelos de inteligencia artificial tampoco cuentan con suficiente información para aprender”, sostiene Poblete.

Parte del interés está en los aptámeros, pequeños fragmentos de ARN que adquieren una estructura determinada y pueden adherirse selectivamente a otras moléculas. Esta propiedad permite emplearlos para reconocer células tumorales, neutralizar sustancias o intervenir en distintas enfermedades.

Poblete menciona trabajos orientados a detectar cáncer de mama y próstata, neutralizar el veneno de la araña de rincón y tratar la degeneración macular, una enfermedad que afecta la visión. “Existen pocas terapias de este tipo, pero es un campo con mucho potencial”, afirma.

Para desarrollar estas aplicaciones primero hay que conocer con mayor precisión cómo se pliega el ARN y cómo se relaciona con su entorno. CASP incorporó por eso la predicción de sus estructuras y de sus interacciones con otras moléculas.

Grupo propio

En su decimosexta versión la competencia agregó un desafío: anticipar cómo se distribuyen el agua y los iones alrededor de una molécula de ARN observada mediante criomicroscopía electrónica.

Poblete participó junto con el investigador italiano Dr. Fabrizio Pucci. Sus simulaciones estuvieron entre las mejor evaluadas. El resultado le permitió exponer el método en la conferencia de cierre de CASP16 y participar como coautor en la publicación que reunió y analizó los trabajos presentados.

En CASP17, Poblete compite por primera vez con su propio grupo. Cuenta con la colaboración del Dr. Alberto Martín, investigador principal del Centro Ciencia & Vida y director del Doctorado en Biología Computacional de la USS, y del Dr. José Gárate, académico de la Facultad de Ingeniería de esta misma casa de estudios, mientras el trabajo de modelación ha recaído principalmente en la estudiante de doctorado Rossmarie Pincheira y el investigador posdoctoral Estanislao Márquez.

“Como estudiante de primer año del Doctorado en Biología Computacional de la Universidad San Sebastián, participar en CASP17 ha fortalecido mi formación al iniciarme en la simulación y dinámica molecular del ARN. Esto me ha permitido integrar biología, física y química en un desafío real de predicción estructural”, destaca Pincheira.

El equipo volvió a asumir el desafío de predecir la organización del agua y los iones alrededor del ARN. Para hacerlo utiliza simulaciones computacionales que simplifican la representación de las moléculas, pero conservan las interacciones físicas y químicas esenciales. Así puede reducir las exigencias de procesamiento y abordar problemas que, reproducidos en detalle atómico, demandarían una capacidad computacional mucho mayor.

Para Márquez, la experiencia también ha significado acercarse a los sistemas biológicos desde otra perspectiva. “Simón me dio una bienvenida extraordinaria al incorporarme a su grupo de investigación y me involucró en el prestigioso concurso CASP. Participar en esta competencia y en los proyectos que desarrollamos me ha ayudado a perfilar una visión física de los sistemas biológicos, especialmente de la dinámica del ARN, complementando mi formación química y biológica”, señala.

La meta de Poblete es desarrollar un software que otros investigadores puedan usar para ingresar una secuencia, obtener una predicción de su estructura o mejorar un modelo preliminar. También colabora con grupos polacos que trabajan en el refinamiento y la predicción de estructuras de ARN.

Otra línea de su investigación estudia cómo el ARN se organiza y se empaqueta dentro de virus como el VIH y otros que afectan a cerdos, salmones y aves. Conocer ese proceso permitiría detectar puntos vulnerables durante la formación de nuevas partículas virales.

“Las vacunas usuales ayudan a que los anticuerpos ataquen al virus desde afuera. Aquí la idea es distinta: entender lo que ocurre después de que entra a la célula y buscar una forma de interferir cuando comienza a ensamblarse”, explica.

Este conocimiento también serviría para diseñar sistemas capaces de encapsular ARN con fines terapéuticos y transportarlo hasta determinadas células. Para ello todavía falta entender mejor su estructura, sus interacciones con las proteínas y el papel del agua y los iones en su estabilidad.

Poblete ve en esa brecha una oportunidad para investigadores de distintas áreas. “Aquí hay trabajo para informáticos, biólogos, químicos, físicos y matemáticos. Hay muchas cosas que no se entienden y una enorme cantidad de problemas por resolver”.

Texto por Richard García, Sandoval & Meirovich Comunicaciones.